openDD

openDD数据集由大众汽车和布伦瑞克工业大学创建，包含84,774条精确跟踪的轨迹和七个不同环岛的高清地图数据。该数据集通过无人机在501次独立飞行中拍摄的图像进行标注，总时长超过62小时，是目前公开的最大无人机视角轨迹数据集。数据集涵盖多种环岛拓扑结构，适用于分析和预测自动驾驶中的交通场景，特别是非交通灯控制的环岛交互。

The openDD dataset was created by Volkswagen and the Technical University of Braunschweig. It contains 84,774 precisely tracked trajectories and high-definition map data for seven distinct roundabouts. Annotated using images captured by drones across 501 independent flights, the dataset has a total duration of over 62 hours, making it the largest publicly available drone-view trajectory dataset to date. The dataset covers a diverse range of roundabout topologies, and is suitable for analyzing and predicting traffic scenarios in autonomous driving, particularly roundabout interactions in traffic light-free environments.

搜集汇总

数据集介绍

构建方式

openDD数据集通过使用无人机在501次独立飞行中捕捉的图像进行标注，构建了包含84,774条精确轨迹和七个不同环岛的高清地图数据。每条记录时长为5至15分钟，由DJI Phantom 4无人机以30帧每秒的速度记录，分辨率为3840×2160像素。视频数据在用于检测和跟踪交通参与者之前经过稳定和校正处理。此外，每个环岛的HD地图数据以shape文件和XML文件的形式提供，详细描述了道路拓扑结构。

特点

openDD数据集的主要特点是其大规模和多样性，涵盖了超过62小时的轨迹数据，是目前公开的最大无人机视角轨迹数据集。数据集包含了七种不同拓扑结构的环岛，提供了丰富的交通场景，包括车辆、行人、摩托车等多种交通参与者的轨迹。此外，数据集还提供了每个环岛的高清地图和参考图像，确保了数据的完整性和可用性。

使用方法

openDD数据集适用于自动驾驶领域的多种应用，如交通场景分析、轨迹预测和驾驶行为建模。研究者可以使用提供的轨迹数据和地图信息来训练和验证其算法。数据集的分割设计允许研究者评估模型在不同环岛拓扑结构上的泛化能力。此外，数据集还提供了评估轨迹预测算法的标准化度量，如欧几里得位移和修正豪斯多夫距离，便于不同研究之间的比较和验证。

背景与挑战

背景概述

近年来，自动驾驶技术已成为多个研究领域的主要应用之一。在自动驾驶中，预测周围交通场景是主要挑战之一，特别是在城市和乡村场景中，由于涉及的道路用户之间的高度相互依赖性。为了应对这一挑战，数据驱动方法依赖于大规模数据集的流行度激增。openDD数据集由Volkswagen和Technische Universität Braunschweig的研究人员创建，旨在通过无人机视角提供详细的交通轨迹和道路拓扑数据，特别是针对未受交通灯管制的环形交叉口。该数据集包含84,774条精确跟踪的轨迹和七个不同环形交叉口的高清地图数据，总计超过62小时的轨迹数据，是目前公开的最大无人机视角轨迹数据集。

当前挑战

openDD数据集在构建过程中面临了多个挑战。首先，无人机视角的数据采集需要克服地面视角的遮挡和视野限制问题。其次，数据集的标注过程需要确保对所有道路用户的全面覆盖，这增加了标注的复杂性和工作量。此外，数据集的多样性和大规模性要求算法能够处理不同交通场景和复杂交互情况。在应用层面，如何利用该数据集进行有效的交通场景预测和行为建模，以及如何处理数据中的噪声和不完整性，都是当前研究中需要解决的关键问题。

常用场景

经典使用场景

openDD数据集在自动驾驶领域中被广泛用于交通场景的分析和预测。其经典使用场景包括对环形交叉路口的交通参与者行为进行建模和预测，特别是在无交通信号灯控制的环形交叉路口中，数据集提供了高精度的轨迹数据和道路拓扑信息，有助于算法理解和预测复杂的交通交互行为。

衍生相关工作

基于openDD数据集，研究者们开发了多种轨迹预测模型和算法，显著提升了自动驾驶系统在复杂交通场景中的表现。例如，一些研究工作利用该数据集进行深度学习模型的训练，以提高对交通参与者行为的预测精度。此外，数据集的发布也促进了相关领域的研究，如交通流分析和自动驾驶安全评估。

数据集最近研究

最新研究方向

在自动驾驶领域，openDD数据集因其大规模的环形交叉口无人机轨迹数据而备受关注。该数据集不仅提供了84,774条精确跟踪的轨迹和七个不同环形交叉口的高清地图数据，还通过501次独立的无人机飞行记录了超过62小时的轨迹数据。这一数据集的引入，极大地推动了自动驾驶中交通场景分析和预测的研究。当前的前沿研究方向主要集中在利用openDD数据集进行轨迹预测模型的训练和评估，特别是在非交通信号控制的环形交叉口场景中，研究如何提高模型的泛化能力和对复杂交通参与者的行为预测精度。此外，研究者们也在探索如何更有效地利用数据集中的高清地图信息和无人机视角图像，以提升轨迹预测算法的性能和鲁棒性。

相关研究论文

• openDD: A Large-Scale Roundabout Drone Dataset

  大众汽车和布伦瑞克工业大学 · 2020年