Carla-Dataset-Generator

这是一个利用CARLA模拟器捕捉人与人、车辆和道路之间互动的多样化模拟数据系统。你可以使用生成的数据来训练你的自主驾驶算法。

This is a diverse simulated data system that leverages the CARLA Simulator to capture interactions among pedestrians, vehicles and road environments. Users can employ the generated data to train their autonomous driving algorithms.

原始信息汇总

CARLA DATASET GENERATOR 概述

数据集简介

• 项目名称：CARLA DATASET GENERATOR
• 数据来源：基于CARLA模拟器生成的多模态环境输入数据
• 应用场景：自动驾驶算法训练

数据内容

• 环境输入数据：交通灯状态、交通标志、交通参与者、车道标记
• 自车行为数据：油门、转向、刹车、档位

定制化参数

• 环境：天气、城镇
• 路线：可自定义
• 车辆：车型、传感器配置（种类、数量、位置等）
• 交通参与者：车辆、行人、交通灯等
• 数据保存：是否保存传感器数据、是否保存地面真实数据

数据格式

• 图像：相机或分割相机传感器图像，格式为JPG，存储在Camera_Center、Camera_Left、Camera_Right、Segment_Camera文件夹
• 点云：激光雷达传感器数据，格式为PCD，存储在LIDAR文件夹
• JSON：雷达/IMU/GNSS传感器数据，车道标记数据，以及来自CARLA世界的所有地面真实数据，分别存储在RADAR、IMU、GNSS、lanemarkings、SPEEDOMETER文件

数据存储位置

• 所有数据保存在<CARLA installation directory>/leaderboard/record_data/runs{i}文件夹

使用说明

1. 按照官方文档安装CARLA/leaderboard/scenario_runner
2. 替换CARLA安装目录下的leaderboard文件夹
3. 安装所需的Python包
4. 运行模拟器并启动评估器

自定义参数

• 可自定义参数包括：城镇、路线、重复次数、天气、车型、传感器配置、交通参与者、显示标签、人工驾驶或自动驾驶模式等

搜集汇总

数据集介绍

构建方式

Carla-Dataset-Generator是一款基于CARLA模拟器的多模态环境输入数据收集系统。该系统通过模拟真实交通环境，捕捉行人、车辆与道路间的互动，从而构建数据集。系统收集包括交通灯状态、交通标志、交通参与者、车道标记以及与自车驾驶行为相关的地面真实数据，如油门、转向、刹车和档位信息。该数据集的构建基于CVPR 2024 CARLA Leaderboard 2.0的模拟框架，提供了参数如天气、城镇、路线以及自车传感器配置的可定制接口，以支持多样化的模拟数据定制。

特点

该数据集的特点在于其多模态数据的全面性与模拟环境的可定制性。它不仅包含摄像头和激光雷达等传感器捕获的图像和点云数据，还涵盖雷达、IMU、GNSS等传感器的数据，以及自车视角下的车道标记和整个CARLA世界的地面真实数据。数据集支持多种参数的自定义，如城镇、路线、重复次数、天气、车型、传感器配置、交通参与者等，使得数据集能够满足不同场景和需求的模拟训练。

使用方法

使用该数据集前，需先按照官方指南安装CARLA/leaderboard/scenario_runner，并设置环境变量。之后，替换安装目录中的leaderboard文件夹，安装必要的Python包。启动模拟器后，通过运行特定的Python脚本即可开始数据收集。所有数据将被保存在指定目录下，以JPG、PCD和JSON格式存储，分别对应摄像头图像、点云数据和传感器数据，便于后续的自驾算法训练与分析。

背景与挑战

背景概述

Carla-Dataset-Generator是一款基于CARLA模拟器构建的多样化仿真数据系统。该系统旨在捕捉行人、车辆与道路间的互动，以供自动驾驶算法的训练。该数据集的创建，依托于2024年CVPR CARLA Leaderboard 2.0的模拟框架，由相关研究人员和机构开发。其核心研究问题是提升自动驾驶算法在复杂交通环境中的感知与决策能力，对自动驾驶领域的研究与发展产生了深远的影响。

当前挑战

该数据集在构建过程中所面临的挑战主要包括：如何真实地模拟多样化的交通环境，包括不同天气条件、不同城镇场景、以及各种交通参与者；如何精确地捕捉并记录自动驾驶车辆的传感器数据，包括图像、点云、雷达等信息；以及如何高效地生成和存储大量的地面真实数据。此外，在解决自动驾驶领域问题时，该数据集还需应对如何有效提升算法在复杂交互场景中的泛化能力和鲁棒性的挑战。

常用场景

经典使用场景

在自动驾驶领域，Carla-Dataset-Generator数据集的典型应用场景是捕获人与车辆、道路之间的交互行为，为自动驾驶算法的训练提供多样化模拟数据。该数据集通过模拟系统收集包括交通灯状态、交通标志、交通参与者、车道标记以及与自驾车辆驾驶行为相关的各类真实数据，为算法的训练提供了丰富的信息基础。

衍生相关工作

基于Carla-Dataset-Generator数据集，研究者们已经衍生出一系列相关工作，如自动驾驶算法评估、传感器数据融合、车辆行为预测等，这些工作进一步推动了自动驾驶技术的进步和商业化应用的发展。

数据集最近研究

最新研究方向

在自动驾驶领域，Carla-Dataset-Generator数据集通过模拟人、车、路之间的互动，为训练自主驾驶算法提供了多元化的仿真数据。该数据集不仅收集了交通信号灯状态、交通标志、交通参与者、车道标记等多种模式的环境输入数据，还包含了与自驾车辆驾驶行为相关的节气门、转向、制动和档位等地面真实数据。近期研究利用该数据集的特性，深入探索了自定义参数如天气、城镇、路线以及传感器配置的仿真数据定制化，进一步提升了自动驾驶算法在不同环境下的适应性和准确性。Carla-Dataset-Generator基于CVPR 2024 CARLA Leaderboard 2.0框架实现，预示着该数据集在自动驾驶仿真领域的前沿研究中将发挥重要作用。