minuszero-indian-autonomous-driving-dataset-v2

Minus Zero印度城市自动驾驶数据集v2是一个面向非商业用途的自动驾驶数据集，源自Minus Zero Indian Urban Autonomous Driving Dataset的原始MCAP录音解码版本。该数据集将1,469个原始MCAP录音转换为可直接使用的每个摄像头独立MP4视频文件以及标准化的Parquet表格，涵盖摄像头时序、标定、同步、GNSS/位姿、录制元数据和完整性分析。数据集包含约9,927个MP4视频文件（总大小约3.196 TB）和40,420个Parquet文件（约9.17 GB），数据采集时间跨度为2025-05-15至2025-11-17。摄像头覆盖7个位置：cam_front、cam_front_left、cam_front_right、cam_front_tilted（部分缺失）、cam_rear、cam_rear_left、cam_rear_right。数据集无人工标注，无官方训练/验证/测试划分。适用于自动驾驶、机器人、感知、摄像头同步、定位、数据管道等非商业研究。用户需注意数据可能存在缺失帧、时序间隙、标定差异、隐私风险（如人脸、车牌、GPS轨迹）等，使用前应遵守相关法律法规和CC BY-NC 4.0许可协议。Minus Zero Indian Urban Autonomous Driving Dataset v2 is a non-commercial autonomous driving dataset derived from the decoded MCAP recordings of the original Minus Zero Indian Urban Autonomous Driving Dataset. It converts 1,469 raw MCAP recordings into directly usable per-camera independent MP4 video files and standardized Parquet tables, covering camera timestamps, calibration, synchronization, GNSS/pose, recording metadata, and integrity analysis. The dataset contains approximately 9,927 MP4 video files (total size about 3.196 TB) and 40,420 Parquet files (about 9.17 GB), with data collection spanning from 2025-05-15 to 2025-11-17. Cameras cover 7 positions: cam_front, cam_front_left, cam_front_right, cam_front_tilted (partially missing), cam_rear, cam_rear_left, cam_rear_right. The dataset has no manual annotations and no official training/validation/test splits. It is suitable for non-commercial research in autonomous driving, robotics, perception, camera synchronization, localization, and data pipelines. Users should note potential issues such as missing frames, temporal gaps, calibration differences, and privacy risks (e.g., faces, license plates, GPS trajectories), and must comply with relevant laws and the CC BY-NC 4.0 license before use.

原始信息汇总

Minus Zero Indian Urban Autonomous Driving Dataset v2 数据集详情

数据集概述

该数据集是 Minus Zero Indian Urban Autonomous Driving Dataset 的解码配套版本，将全部 1,469 个源 MCAP 录音转换为可直接使用的逐摄像机 MP4 视频和规范化 Parquet 表，涵盖摄像机时序、校准、同步、GNSS/姿态、录音元数据和完整性分析等方面。数据集专为非商业的自动驾驶、机器人、感知、摄像机同步、定位和数据管道研究用途设计。

核心数据规模

属性	数值
已验证的解码录音数量	1,469
摄像机 MP4 文件数	9,927
MP4 载荷字节数	3,196,207,410,138（约 3.196 TB）
Parquet 文件数	40,420
Parquet 载荷字节数	9,166,776,688
录音日期范围	2025-05-15 至 2025-11-17
命名摄像机位置	7
标注/注释	无
作者定义的基准数据划分	无

摄像机覆盖情况

• 全覆盖（1,469 条录音均包含）：cam_front、cam_front_left、cam_front_right、cam_rear、cam_rear_left、cam_rear_right
• 部分覆盖：cam_front_tilted 仅有 1,113 条录音包含，356 条缺失
• 缺失的摄像机数据以空值表示，不会从其他摄像机复制或伪造视频填充缺失位置

数据集结构

text data/ metadata.jsonl videos/ <camera>/<bucket>/<recording_id>.mp4 tables/ auxiliary-messages/ benchmarking/ calibrations/ camera-frames/ camera-messages/ gap-events/ gnss/ keyframes/ recording-metadata/ sync-groups/ manifests/ fragments/<bucket>/<recording_id>/

稳定的 recording_id 用于关联视频路径、Parquet 分区和清单片段。

Parquet 表内容

表名称	提供的信息
camera-frames	逐摄像机帧时序和参考信息，用于对齐解码视频帧与源记录
camera-messages	消息级摄像机时序和解码摄像机可用性
calibrations	基于描述符的摄像机内参和外参标定值
sync-groups	跨摄像机同步组记录
keyframes	视频关键帧和随机访问元数据
gap-events	检测到的时序或帧序列不连续事件
gnss	解码的 GNSS/姿态记录及其源时序
benchmarking	存在的解码基准记录
recording-metadata	录音级摘要和转换元数据
auxiliary-messages	主摄像机和 GNSS 表之外保留的消息元数据

数据集查看器

默认查看器配置每条录音显示一行，包含：

• recording_id
• 七个 *_video_file_name 值（作为视频特征）
• 七个 *_video_byte_size 值
• 七个 *_video_sha256 值

缺失摄像机对应的文件名、大小和摘要列为空值。视频文件名相对于 data/ 目录。

时序与同步要点

• 应保留发布的时序戳和摄像机身份信息进行表间关联
• 不应通过文件名顺序、protobuf 数组位置、解码帧索引或假设恒定帧率来同步摄像机
• 用户需显式处理：晚开始、早结束或暂时消失的摄像机，丢帧、时序间隙或帧 ID 不连续，录音间的标定或模式差异，以及 GNSS 与摄像机时序可能使用不同时钟域等问题

预期用途

合适的非商业用途包括：

• 摄像机感知、视频理解和表示学习
• 时序和跨摄像机同步研究
• 自动驾驶和机器人数据管道开发
• GNSS/姿态对齐与定位实验
• 标定、完整性和数据质量工具开发
• 非商业教学、演示和个人项目

限制与已知风险

• 数据集无标注，不提供基准真值
• 地理、环境、时间、交通、路线和硬件覆盖可能不均衡
• 帧或表行可能缺失、延迟、重复、损坏或间隔不规则
• 摄像机标定和解码模式在不同录音间可能不同
• MP4 解码支持因平台和软件版本而异
• 源数据缺陷可能在解码输出中仍然可见
• 列存在不保证每一行都包含填充值

隐私与合规提示

录音可能捕获于公共道路环境，可能附带包含人物、人脸、车牌、住宅、商业场所、路标或精确 GNSS/位置轨迹。不应假定数据已匿名化。用户负责在下载、再分发、发布示例或训练模型前审查适用的隐私、数据保护、公开权、出口控制和当地录制法律。

许可证与引用

该数据集以 CC BY-NC 4.0（知识共享署名-非商业使用 4.0 国际许可） 发布，要求署名、禁止商业使用，允许非商业目的的共享和改编。引用信息见说明文件的 BibTeX 条目。

搜集汇总

数据集介绍

构建方式

该数据集是Minus Zero印度城市自动驾驶数据集的解码伴随版本，将原始1,469个MCAP录制文件转换为每个相机直接可用的MP4视频和标准化的Parquet表格。数据组织包含metadata.jsonl、按相机分类的视频目录、多个Parquet表（如camera-frames、sync-groups、gnss等）以及清单文件，每个录制文件具有稳定的recording_id，用于关联视频、表和清单，并附有SHA-256校验和以保障数据完整性。转换过程固定于不可变的源提交版本，提供了详尽的数据溯源信息。

特点

该数据集覆盖2025年特定时间段的印度城市驾驶场景，包含7个相机位置（前、前左、前右、前倾斜、后、后左、后右）的同步视频流，总计约3.2TB的MP4数据和约9GB的Parquet表格数据，无人工标注或预定义测试集。其卓越之处在于提供细粒度的相机时间戳、校准参数、同步组和间隙事件记录，便于时序分析和同步研究，同时保持原始数据的自然属性，缺失相机信息以null表示，绝不伪造或填充。

使用方法

使用者可通过Hugging Face数据集下载器访问，以recording_id为键，通过metadata.jsonl解析实际视频路径，按需下载单个或多个相机视频，或使用narrow patterns下载特定Parquet分区（如按日期），避免下载整个多TB数据集。推荐使用PyArrow读取Parquet表格，并需注意各字段的可选性。进行时序或跨相机分析时，应依赖公布的官方时间戳和相机ID进行连接，而非文件顺序或假设的固定帧率。建议固定不可变的commit SHA以保证研究可复现性。

背景与挑战

背景概述

自动驾驶技术的迅猛发展对高质量、多模态的道路感知数据提出了迫切需求，然而现有公开数据集多集中于欧美或中国等地区，难以全面反映印度城市交通的复杂性与多样性。为此，Minus Zero于2026年发布了Indian Urban Autonomous Driving Dataset v2，由Gagandeep Reehal主导构建，旨在填补印度城市驾驶场景数据的空白。该数据集基于1,469次实车录制，涵盖七路摄像头同步视频、GNSS/位姿数据、校准信息及时间同步记录，总计约3.2TB，为多相机感知、时空同步、定位及数据管道研究提供了丰富的原始素材。其设计强调无标注、无固定划分的灵活性，以支持广泛的非商业研究用途，对推动自动驾驶感知技术在新兴市场环境中的适应性研究具有基础性意义。

当前挑战

该数据集面临多重挑战。从领域问题看，印度城市交通呈现高度异质性，车辆、行人、动物及非正式交通工具混杂，路况复杂多变，对感知算法的鲁棒性提出严峻考验；同时，缺乏标注的基准数据集使得算法性能的量化评估与横向比较存在障碍，研究者需自行构建任务与评估协议。在构建过程中，技术挑战同样艰巨：原始MCAP数据需统一解码为MP4视频并生成结构化Parquet表，涉及40,420个文件的规模化管理；多相机间存在启动延迟、丢帧及时间戳不一致等同步难题，且部分摄像头（如cam_front_tilted）存在数据缺失，而缺失部分严禁以其他摄像头数据填充篡改；此外，GNSS与相机时间戳可能源自不同的生产者时钟域，校准参数亦因录制而异，这些因素共同增加了数据对齐与质量保障的复杂度。

常用场景

经典使用场景

该数据集为印度城市场景下的自动驾驶研究提供了大规模、多模态的原始传感器数据，涵盖七路摄像头同步采集的高清视频及GNSS定位信息，特别适用于摄像头感知、多相机时序对齐与融合等研究。研究者可基于解码后的MP4视频和Parquet时序表，开展目标检测、语义分割、深度估计等经典视觉任务，亦可利用其同步时间戳剖析多相机系统的帧同步机制。作为无标注的探索性资源，它支持自监督与半监督学习范式的验证，是自动驾驶感知算法在印度复杂交通环境下的重要测试基石。

实际应用

实际应用层面，该数据集适合用于构建自动驾驶系统的数据管道与调试工具，例如开发多相机视频的自动质检框架、传感器健康监测机制以及时间戳不一致的修复策略。其大规模的实车采集数据与配套的正规化表结构，尤其有利于工业界验证车载计算平台上的实时视频处理效率，并在非商业前提下为高精地图众包更新、车队管理中的传感器校准及虚拟仿真环境的场景重建等实际工程任务提供宝贵的原始数据支撑。

衍生相关工作

围绕该数据集，研究者已或将衍生出一系列前沿工作，包括基于多相机视频的鸟瞰视角（BEV）感知模型预训练、面向极端光照与拥堵路况的自适应图像增强算法，以及结合GNSS轨迹与视觉特征的端到端定位框架。其无需人工标注的特性也催生了利用时序一致性作为监督信号的跨相机自监督表示学习新范式。此外，数据集的详细时序缺口与标定记录可支撑传感器退化诊断与数据质量评估研究，这些衍生的经典工作正在持续拓展其在具身智能与机器人安全领域的科研边界。