OPNV Data Collection

OPNV数据集由应用科学大学埃斯林根计算机科学与工程学院智能系统研究所创建，专注于智能车辆与基础设施的互操作性研究。该数据集包括来自移动车辆和固定传感器塔的多种传感器数据，如摄像头、LiDAR和GNSS，确保了精确的校准和时间同步。数据集特别关注公共交通场景，如公交站操作和专用公交车道驾驶。创建过程中，数据集采用了全面的校准和同步技术，旨在通过提供冗余感知任务和实时决策验证，增强自动驾驶的信心和安全性。

The OPNV Dataset was developed by the Institute of Intelligent Systems, School of Computer Science and Engineering, Esslingen University of Applied Sciences, focusing on research into interoperability between intelligent vehicles and infrastructure. This dataset encompasses diverse sensor data collected from mobile vehicles and fixed sensor towers, including cameras, LiDAR, and GNSS, with precise calibration and time synchronization guaranteed. It places particular emphasis on public transportation scenarios such as bus stop operations and driving on dedicated bus lanes. During its development, comprehensive calibration and synchronization technologies were adopted for the dataset, aiming to enhance the confidence and safety of autonomous driving by providing redundant perception tasks and real-time decision validation.

原始信息汇总

数据集概述

数据集名称

• 名称: ameise-dataset.ipynb

数据集内容

• 描述: 该数据集包含一个名为 ameise-dataset.ipynb 的文件，用于数据分析和处理。

数据集使用

• 使用平台: Google Colab
• 使用语言: Python

数据集详情

• 文件格式: IPYNB (Jupyter Notebook)
• 内容类型: 数据分析和处理

数据集访问

• 访问方式: 通过 Google Colab 平台访问和编辑

数据集相关信息

• 相关链接:
  • Google Colab
  • Jupyter Notebook

搜集汇总

数据集介绍

构建方式

OPNV数据集的构建方式独具匠心，它将一个移动的传感器塔和一个装有相机的移动车辆相结合，每个都配备了摄像头、激光雷达和全球定位系统（GNSS），而车辆还额外配备了惯性导航系统（INS）。这种设置确保了传感器数据融合的准确性和同步性，这对于研究复杂的动态场景至关重要。该数据集专注于公共交通，旨在包括公交车站在公交车道上的操作等场景，以反映小型公共汽车的具体情况。

特点

OPNV数据集的特点在于它不仅包括来自移动车辆的常规数据，还包括来自静止传感器塔的数据，这使得它成为研究智能车辆与基础设施互操作性的理想数据集。此外，数据集采用了开源的.4mse文件格式，并附带了研究工具包，其中包括自我运动补偿或激光雷达到相机投影等工具，从而促进了智能车辆与基础设施集成的高级研究。尽管数据集本身没有包括标注，但计划通过从最先进公共存储库中自动生成标签来补充这一不足。

使用方法

使用OPNV数据集时，用户可以通过预编译的Python开发工具包轻松地下载、安装和探索数据集，该工具包支持开源的.4mse文件格式，并提供了将数据导出到ROS的.bag格式的功能。此外，开发工具包还包含了一系列辅助工具，如图像校正、激光雷达-相机投影、激光雷达去畸变和隐藏点移除等，这些工具可以帮助用户更有效地进行数据探索和算法开发。

背景与挑战

背景概述

OPNV数据集是专门为研究智能车辆与基础设施的互操作性而设计的数据集，尤其关注公共交通领域的合作感知和交互。该数据集由Marcel Vosshans等研究人员于2024年创建，旨在通过收集来自固定传感器塔和移动车辆的传感器数据，包括摄像头、激光雷达和全球导航卫星系统（GNSS），来推动智能交通系统的研究。与传统的以车辆为中心的数据集不同，OPNV数据集包括了车辆到基础设施的能力，使其成为研究车辆与基础设施协同感知的理想平台。该数据集对于提高自动驾驶系统的安全性、效率和可达性具有重要意义，特别是在公共交通领域，如公交车在车站的操作和专用车道的驾驶。

当前挑战

OPNV数据集在构建过程中面临着一些挑战。首先，如何准确地同步固定传感器塔和移动车辆的传感器数据是一个难题，尽管RTK-GNSS可以提供可靠的平移数据，但旋转的准确初始化仍然是一个挑战。其次，自动生成的地面真实数据的选择和应用模型也是一个需要讨论的问题。此外，随着数据集的扩展，如何保持数据的一致性和可比性，以及如何进一步简化数据处理流程，都是需要考虑的问题。最后，为了确保数据发布符合数据保护法规，特别是欧盟通用数据保护条例，需要开发一个能够自动匿名化摄像头数据的流程。

常用场景

经典使用场景

OPNV数据集是一个专门为智能车辆与基础设施互操作性研究而设计的创新数据集，旨在提升公共交通运输中的协同感知与交互能力。该数据集的独特之处在于同时包含了静止的传感器塔和移动车辆的数据，两者均配备了相机、激光雷达和GNSS系统，而车辆还额外配备了惯性导航系统。这种设置旨在确保数据的精确校准和时间同步，这对于研究复杂、动态的场景至关重要。数据集的重点是公共交通运输，包括公交车站在内的场景，如公交车道的驾驶等。此外，该数据集还引入了开源的.4mse文件格式，并附带了一个研究工具包，其中包括辅助工具，如自运动补偿或激光雷达到相机的投影，以便于在智能车辆与基础设施集成方面进行高级研究。

解决学术问题

OPNV数据集解决了智能车辆与基础设施互操作性研究中的一些常见学术问题。传统的数据集主要关注自我车辆的数据，而OPNV数据集则包含了车辆与基础设施的数据，从而为研究车辆与基础设施的协同感知和交互提供了新的视角。此外，该数据集还通过自动生成的标签，为研究提供了更多的可能性。这些标签是通过利用最先进的公共存储库中的模型自动生成的，从而为研究人员提供了更多的便利。

衍生相关工作

OPNV数据集的发布衍生了一系列相关的研究工作。例如，该数据集可以用于开发新的模型和算法，以提高智能车辆与基础设施的互操作性。此外，该数据集还可以用于开发新的工具和软件，以帮助研究人员更好地理解和分析数据。此外，OPNV数据集还可以用于教育和培训，以提高人们对智能车辆与基础设施互操作性的认识。