OpenLKA

OpenLKA是一个开放的大规模数据集，用于车道保持辅助（LKA）评估和改进。该数据集包括来自50多种量产车型400小时的驾驶数据，这些数据是在佛罗里达州坦帕的广泛道路测试和Comma.ai驾驶社区的全局贡献中收集的。数据集涵盖了广泛的具有挑战性的场景，包括复杂的道路几何形状、退化的车道标记、恶劣的天气、照明条件和周围交通。数据集是多模态的，包括完整的CAN总线流、同步的高分辨率仪表盘摄像头视频、Openpilot的实时输出以及由视觉语言模型生成的增强场景注释，描述了车道可见性、路面质量、天气、照明和交通状况。通过整合车辆内部信号与高保真感知和丰富的语义上下文，OpenLKA为基准测试实际生产LKA系统的真实世界性能、识别安全关键的运行场景以及评估当前道路基础设施为自动驾驶的准备工作提供了一个全面的平台。

OpenLKA is an open large-scale dataset for lane keeping assist (LKA) evaluation and improvement. This dataset contains 400 hours of driving data collected from over 50 mass-produced vehicle models, gathered through extensive road testing in Tampa, Florida, and global contributions from the Comma.ai driving community. The dataset covers a wide range of challenging scenarios, including complex road geometries, degraded lane markings, adverse weather conditions, varying lighting situations, and surrounding traffic. The dataset is multimodal, including complete CAN bus streams, synchronized high-resolution dashboard camera videos, real-time outputs from Openpilot, and enhanced scene annotations generated by large language models (LLMs), which describe lane visibility, road surface quality, weather, lighting, and traffic conditions. By integrating in-vehicle signals with high-fidelity perception and rich semantic context, OpenLKA provides a comprehensive platform for benchmarking the real-world performance of production LKA systems, identifying safety-critical operational scenarios, and evaluating the readiness of current road infrastructure for autonomous driving.

原始信息汇总

OpenLKA 数据集概述

数据集简介

OpenLKA 是一个开源的车道保持辅助数据集，专为自动驾驶领域设计。

数据集组成

数据集包含以下四个部分：

1. OpenLKA - EV part
   链接：https://www.dropbox.com/scl/fo/z3iyagi4g04b1yn6pnylk/ALum3lMAZHpiJFNa7fxzfmM?rlkey=z3zdr7ohyanugctpoosmtwncl&st=gx94h8x4&dl=0

2. OpenLKA - Normal
   链接：https://www.dropbox.com/scl/fo/2xoy6kwb3byedk12phadm/AK6YtCpBc-C-eezVT2ZDbWc?rlkey=qbbfbwaqve0ymk90bu6e8kg4n&st=gfoh9u8g&dl=0

3. OpenLKA - Failure
   链接：https://www.dropbox.com/scl/fo/ja3m1cdqd5kpm68kuarg4/AJJet0tCMThkzmmYwsIgpL4?rlkey=zkkb1zadhw9gr3ayz5a4wik67&st=csdgtcgp&dl=0

4. OpenLKA - Alert
   链接：https://www.dropbox.com/scl/fo/jv5aj0qb1w6qzrd3vum4w/ALa0HR32eQM0Bg--hDf-GzQ?rlkey=tey9v0k1r22xo5thrj7qb15qh&st=ydov8gth&dl=0

搜集汇总

数据集介绍

构建方式

OpenLKA数据集的构建基于对市场上主流车道保持辅助系统（LKA）的广泛测试，测试于2024年夏季在美国佛罗里达州坦帕市进行。通过创新的实验方法，数据集涵盖了完整的控制器局域网（CAN）消息、视频、感知数据以及横向轨迹规划数据。测试场景包括复杂道路几何、恶劣天气、不同光照条件、退化车道标线等多种挑战性条件。此外，数据集还通过视觉语言模型（VLM）对视频进行进一步标注，包括天气、光照和周围交通状况等特征。

使用方法

OpenLKA数据集的使用方法包括对LKA系统的性能评估、算法开发和系统优化。研究人员可以利用数据集中的CAN数据和视频数据，分析LKA系统在不同条件下的表现，识别其局限性。此外，数据集还可用于训练和验证机器学习模型，特别是基于视觉语言模型的LKA决策系统。通过结合人类驾驶数据，OpenLKA还支持开发更加灵活和安全的LKA系统，推动自动驾驶技术的进一步发展。

背景与挑战

背景概述

OpenLKA数据集由南佛罗里达大学和福州大学的研究团队于2024年夏季创建，旨在填补市场上现有车道保持辅助系统（LKA）在真实驾驶环境中性能评估的空白。该数据集通过广泛的测试收集了来自美国市场主流汽车制造商的LKA系统数据，涵盖了复杂的道路几何、恶劣天气、不同光照条件以及退化车道标线等多种挑战性场景。数据集不仅包含车辆控制区域网络（CAN）消息，还通过高质量前置摄像头捕捉了视频、感知和横向轨迹规划数据。OpenLKA的发布为自动驾驶技术的研究提供了宝贵的资源，尤其是在LKA系统的感知、规划和控制模块的局限性方面，揭示了现有系统在复杂环境中的不足。

当前挑战

OpenLKA数据集面临的挑战主要体现在两个方面。首先，LKA系统在复杂道路几何、恶劣天气和退化车道标线等条件下的性能表现不佳，尤其是在车道过渡区域（如并道、分道和交叉口）和急转弯时，系统容易出现车道偏离或失效，导致安全隐患。其次，数据集的构建过程中，研究人员需要克服多种技术难题，包括对不同车辆模型的CAN消息进行逆向工程、确保数据采集设备与车辆系统的无缝集成，以及在多模态数据（如视频、感知和控制数据）之间实现精确的时间同步。此外，数据集的大规模标注工作依赖于先进的视觉语言模型（VLM），如何确保标注的准确性和一致性也是构建过程中的一大挑战。

常用场景

经典使用场景

OpenLKA数据集广泛应用于自动驾驶领域，特别是在车道保持辅助系统（LKA）的研究与开发中。该数据集通过多模态数据（如CAN总线消息、视频、感知数据等）提供了丰富的真实驾驶场景，涵盖了复杂道路几何、恶劣天气、光照变化等多种挑战性条件。研究人员可以利用这些数据评估现有LKA系统的性能，尤其是在感知、规划和控制模块中的表现，从而推动更鲁棒的车道保持算法的开发。

解决学术问题

OpenLKA数据集解决了自动驾驶研究中多个关键问题。首先，它填补了现有LKA系统在真实驾驶环境中性能评估数据的空白，尤其是在复杂道路几何和恶劣天气条件下的表现。其次，通过提供详细的感知、规划和控制数据，该数据集帮助研究人员识别LKA系统在车道检测、转向控制和轨迹规划中的局限性。此外，数据集还支持基于视觉语言模型（VLM）的增强标注，为开发更具人类驾驶风格的LKA系统提供了数据基础。

实际应用

OpenLKA数据集在实际应用中具有广泛的价值。首先，它为汽车制造商提供了改进LKA系统的依据，尤其是在应对复杂道路和恶劣天气条件下的性能优化。其次，交通管理部门可以利用该数据集优化道路设计，如改进车道标线和弯道设计，以更好地支持LKA系统的运行。此外，该数据集还为自动驾驶技术的开发者提供了丰富的训练和测试数据，支持更安全、更可靠的自动驾驶系统的开发。

数据集最近研究

最新研究方向

随着自动驾驶技术的快速发展，车道保持辅助系统（LKA）作为高级驾驶辅助系统（ADAS）的核心功能之一，其在实际复杂道路条件下的性能表现成为研究热点。OpenLKA数据集的推出为这一领域提供了丰富的数据支持，涵盖了多种车辆模型在复杂道路几何、恶劣天气和退化车道标线等条件下的表现。近期研究聚焦于通过多模态数据（如CAN总线信息、视频和感知数据）结合大语言模型（LLM）和视觉语言模型（VLM）进行精细化分析，以提升LKA系统的感知、规划和控制能力。特别是在车道标线模糊、曲线路段和车道过渡区域等挑战性场景中，LKA系统的局限性得到了深入探讨。此外，研究还提出了基于人类驾驶行为的自适应LKA系统设计，通过引入链式思维（Chain of Thought）推理，增强系统的灵活性和安全性。OpenLKA数据集不仅为LKA技术的改进提供了实证基础，还为道路基础设施设计（如车道标线和曲线设计）提供了重要参考，推动了自动驾驶技术的进一步发展。

相关研究论文

• OpenLKA: an open dataset of lane keeping assist from market autonomous vehicles

  南佛罗里达大学土木与环境工程学院, 福州大学交通工程学院 · 2025年