IMF数据集由北京航空航天大学交通运输科学与工程学院的研究团队创建，旨在支持道路地形感知的多模态融合网络研究。数据集包含两种类型的多模态融合感知系统收集的数据，包括车辆悬挂系统上的加速度计和前挡风玻璃上的双目摄像头收集的视觉数据，以及不同光照条件和车速下的数据。该数据集用于评估多模态融合网络在不同光照条件下的道路地形感知效果，并与其他单模态感知方法进行比较。

arXiv2025-05-16 更新510

港区云控路侧系统检测数据集

智能交通

自动驾驶

用于验证云控路侧系统一体化部件的检测性能，包含传感器的原始数据，以及点云和图像感知融合后的感知结果数据。数据的采集地点包括上海洋山港海关查验区和洋山四期堆场进出口区域。其中，海关查验区数据采集时间为2024年8月7日上午9:00至11:00，数据量为1.4GB；洋山四期堆场进出口区域数据采集时间为2024年7月11日至2024年7月17日的关键时间点，数据量为1MB。数据集数据量约为1.41GB，

国家基础学科公共科学数据中心230

Autonomous Vehicles Navigation

自动驾驶

深度学习

该数据集对在包含35辆车辆和80名行人的交通场景中，对4种不同轨迹上训练后的DQN模型进行了测试，评估了导航过程中的成功与失败率。此外，数据集还包含了导航成功与失败案例的视频证据，这为分析模型的局限性和性能提供了深入见解。该数据集涵盖了4种轨迹，总计进行了100次运行，其任务是训练和测试用于自动驾驶车辆安全导航的深度强化学习模型。

arXiv100

CANdid

自动驾驶

车辆行为分析

A collection of CAN bus data from multiple vehicles, along with GPS data and detailed labels of actions performed, with video of the driver and vehicle instrument cluster.

DataCite Commons2025-05-15 更新390

AutoSceneGen Generated Dataset

自动驾驶

轨迹预测

该数据集是由AutoSceneGen框架生成的交通场景集合，包含了基于125个场景描述的264条行人轨迹和770条车辆轨迹。该数据集旨在通过提供多样化且关键安全的交通场景，来增强运动规划器的训练效果，其在轨迹预测任务上的表现优于现有的真实世界数据集。具体规模上，该数据集包含了264条行人轨迹（共1,848,000帧）和770条车辆轨迹（共15,400,000帧），其任务是为自动驾驶车辆进行轨迹预测

arXiv170

襄阳汽车试验场数字路面数据集

资源简介：

相关数据集