车载摄像头路面材质标注数据

数据可用于视觉模型算法训练，整体服务于L2-L4级乘用车底盘主动阻尼调控、路面防滑预警、自动驾驶平顺性路径规划、车载补盲感知配套路面识别业务一、加工前的数据说明：加工前数据来源于车辆搭载摄像头在实际道路行驶过程中采集的道路场景视频或连续图像，主要记录车辆前方、后方及侧方视野中的道路表面、道路设施和周边环境。原始数据经抽帧、筛选后形成待标注图像，内容覆盖不同道路类型、路面材质、拍摄角度、光照条件及路面状态。 二、处理规则：首先对采集数据进行格式检查、有效帧筛选和图像整理，剔除严重模糊、曝光异常、内容重复或无法辨认路面的图像，并通过同名规则建立JPEG图像与JSON标注文件的一一对应关系。随后采用多边形语义分割方式，沿路面实际可见边界依次选取轮廓点，连接形成闭合区域；被车辆、设施或其他物体遮挡的部分仅标注可见范围，不对不可见区域作推测性延伸。标注类别包括road（道路总体区域）、asphalt（沥青）、concrete（水泥混凝土）、gravel（砂石）、mud（泥土）、boggy（泥泞）、speed_breaker（减速带）和ignore（忽略区域）。同一区域可同时标注road及其具体材质类别；无法可靠判定或无需参与计算的区域标记为ignore。标注完成后，对文件对应关系、类别名称、多边形闭合性、坐标范围和边界准确性进行检查。 三、数据内容描述：加工后数据由1,142张道路场景图像及1,142个对应的JSON标注文件组成，图像宽度均为1280像素，其中902张分辨率为1280×960像素，240张分辨率为1280×720像素。JSON文件统一记录原图文件名、标注任务类型、几何类型、类别名称和多边形顶点坐标，其中任务类型为Object_Segmentation，几何类型为polygon。顶点坐标以图像左上角为原点，按边界顺序记录，可据此生成像素级分割掩膜。最终数据主要描述道路区域的位置、轮廓及路面材质属性，可用于路面材质识别、道路场景语义分割及相关算法的训练、验证和测试。

搜集汇总

背景与挑战

背景概述

车载摄像头路面材质标注数据由1,142张道路场景图像及对应JSON标注文件组成，采用多边形语义分割方式标注road、asphalt、concrete、gravel、mud、boggy、speed_breaker和ignore等8类路面材质与区域。该数据可用于视觉模型算法训练，服务于L2-L4级乘用车底盘主动阻尼调控、路面防滑预警、自动驾驶平顺性路径规划及车载补盲感知配套路面识别等业务。