AI-Hub

데이터 변경이력

데이터 히스토리

소개

도로 주행 중 시간, 날씨 등 다양한 환경에서 객체를 인식하기 위한 2D-3D 융합 이미지 데이터

구축목적

자율주행 레벨4, 5 의 개발을 위해서는 이미지 뿐 아니라 LiDAR 센서 데이터의 학습도 필수적인 요소로 대두되고 있음 특히 전국 범위의 도로환경에서의 융합형 데이터는 부족한 상황이라, 선제적인 데이터 구축을 통해 자율주행 개발의 동력을 확보함을 주요 목적으로 함

구축 내용 및 제공 데이터량

• 11,375,400 set 의 융합형 데이터 셋
• 11,375,400 개의 주행 이미지 (.jpg)
• 11,375,400 개의 3D 데이터 (.pcd)
• 450,000개의 가공 데이터
  : 이동형 객체의 2D/3D 가공
  : 차선, 연석의 polygon 가공 결과
• 데이터 셋 구성 상세사항
   

   1. 지역 & 날씨 별 구축 현황
 

   2. 추가적인 조건에 따른 구축 현황
 

저작도구 설명서 및 저작도구 다운로드

데이터 성능 점수

설명서 및 활용가이드 다운로드

데이터 변경이력

구축 목적

• 자율주행 레벨4, 5 의 개발을 위해서는 이미지 뿐 아니라 LiDAR 센서 데이터의 학습도 필수적인 요소로 대두되고 있음 특히 전국 범위의 도로환경에서의 융합형 데이터는 부족한 상황이라, 선제적인 데이터 구축을 통해 자율주행 개발의 동력을 확보함을 주요 목적으로 함

활용 분야

• 자율주행 시스템 개발, 3D 객체 인식 기술 개발, 2D 이미지 기반의 객체 크기/위치 추적 시스템 개발 등

소개

• 서울, 인천, 대전, 대구, 부산, 광주, 창원, 진천, 전주, 순천 10개 도시의 주변도로에서 수집한 주행영상으로 총 300시간의 영상으로 구축되어 있음. 주행영상은 동기화된 2D/3D 데이터 셋으로 구축되어 있고, 맑음/흐림/역광/눈/비/안개 등의 다양한 날씨 환경에 대해 구축되어 있음 위치, 지역조건, 기상조건, 취득시간, 도로종료, 도로형태의 값이 메타에 포함되어 있어, 필요로 하는 조건의 데이터를 선별적으로 유용하게 활용할 수 있도록 구성되어 있음 300시간의 수집 데이터는 10 Hz 의 기준으로 동기화 진행하였으며, 총 1,000만개 이상의 동기화 된 세트로 구성되어 있으며, 그 중 450,000 세트는 이동객체, 차선, 연석에 대한 가공이 되어 있어 서비스 개발을 위해 즉시 사용할 수 있도록 구축 되어 있음 직접 수집을 통해 구축된 데이터이므로 저작권 문제없이 자유롭게 활용이 가능함
   

구축 내용 및 제공 데이터량

• 11,375,400 set 의 융합형 데이터 셋
• 11,375,400 개의 주행 이미지 (.jpg)
• 11,375,400 개의 3D 데이터 (.pcd)
• 450,000개의 가공 데이터
  : 이동형 객체의 2D/3D 가공
  : 차선, 연석의 polygon 가공 결과
• 데이터 셋 구성 상세사항
   

   1. 지역 & 날씨 별 구축 현황
 

   2. 추가적인 조건에 따른 구축 현황
 

대표도면

< 2D/3D 융합형 화면 >

<3D pcd 가공 화면>

<3D 가공의 상단/전면/옆면 화면>

<2D 화면에서 Cuboid 매칭 화면>

필요성

• 자율주행 레벨 4, 5단계의 개발을 위해서는 카메라 이미지를 통한 학습만으로는 한계가 있음
• LiDAR를 통해 수집된 3D 데이터, pcd 데이터를 활용한 학습이 필수적인 요건으로 대두되고 있음
• LiDAR 장비는 아직 높은 비용으로 형성되어 있어서 대기업을 제외한 중소기업, 벤처, Start-up 에서는 3D 데이터 확보에 많은 어려움을 가지고 있음
• 소량의 차량을 확보한다고 하더라도, 시간적/인력적 제약에 의해 전국의 다양한 도로에서 데이터를 수집하는 것은 더욱 어려운 조건임
• 데이터 개방 사업을 통해, 전국 단위의 3D 데이터를 구축/제공함으로써, 자율주행을 연구하고 개발하는 중소기업, 벤처, Start-up 기업에게 큰 도움을 줄 수 있음
• 특히 전국 단위의 데이터, 다양한 환경조건에서의 데이터 구축 및 제공을 통해 연구기관, 연구단체에게 많은 도움일 될 수 있음

데이터 구조

• 1. 데이터 구성
   

- 주행 경로 별 각각의 폴더로 구성되어 있음
- 주행 경로 폴더 하위에 이미지, LiDAR, Meta, calibration 파일로 구성되어 있음
 

• 2. 어노테이션 포맷
   

  어노테이션 포맷 표

  Key	Value	Description	Type
  IMAGE_INFO		이미지 정보
  {
  	CAMERA_NAME	카메라 정보	String
  	IMAGE_WIDTH	이미지 가로	Integer
  	IMAGE_HEIGHT	이미지 높이	Integer
  	IMAGE_PATH	이미지 경로	String
  }
  ENVIORNMENT_INFO
  {
  	Latitude	촬영지역 위도 정보	Float
  	Longitude	촬영지역 경도 정보	Float
  	Location	촬영지역 지역명	String
  	Weather	날씨	String
  	Time	시간대	String
  	Load	도로 종류	String
  	Load_type	도로 구분	String
  }
  OBJECT_LIST		객체 리스트	Array
  [
  {
  2D_LIST		2D 리스트	Array
  [
  {
  POLYGON		차선 정보	Array
  [
  	x1,y1,x2,y2,x3,y3,...,xn,yn	Point 좌표	Array
  ]
  CLASS		객체의 클래스	String
  }
  3D_LIST		이동객체
  [
  {
  BOX		이동객체 2D Box 정보
  [
  	x1,y1,x2,y2	이동객체 2D point 정보	Array
  ]
  CLASS		객체 클래스	String
  TYPE		객체 타입	String
  ACCELERATION		가속 여부	String
  DIMENSTION
  [
  	a,b,c	객체 크기 (Width, Height)	Array
  ]
  DISTANCE		객체 거리	Float
  INSTANCE_ID		객체 ID	Integer
  LOCATION
  [
  	x,y,z	객체 위치 (x,y,z 좌표)	Array
  ]
  YAW		회전값	Float
  }
  ]
  }
  ]
  }

데이터셋 구축 담당자

수행기관(주관) : 솔트룩스

수행기관(참여)

데이터 관련 문의처