Jiqing Expressway Dataset|车道检测数据集|高速公路数据集

该数据集是一个多车道检测数据集，用于测试和评估多种车道检测算法。数据集由中国Jiqing（济南-青岛）高速公路某些路段的路面交通记录器收集，车道采用半手动方法标注。数据集包含40个视频片段，每个视频持续3分钟，帧率为30 fps，视频分辨率为1920×1080。总共包含210610张不同光照强度和不同道路条件（上坡、下坡、隧道、涵洞、匝道等）的路面图像。此外，我们对每帧中的车道进行标注，并将标注结果保存为txt文件。不同车道的关键特征点坐标（x,y）存储在不同的行中，车道x（x = 0, 1, 2, 3,...）表示车道编号。

This dataset is a multi-lane detection dataset designed for testing and evaluating various lane detection algorithms. The data was collected by road traffic recorders on certain sections of the Jiqing (Jinan-Qingdao) Expressway in China, with lanes annotated using a semi-manual method. The dataset comprises 40 video clips, each lasting 3 minutes, with a frame rate of 30 fps and a video resolution of 1920×1080. It includes a total of 210,610 road images under varying lighting conditions and different road scenarios (uphill, downhill, tunnels, culverts, ramps, etc.). Additionally, we have annotated the lanes in each frame and saved the annotation results in txt files. The key feature points' coordinates (x, y) for different lanes are stored in separate lines, where lane x (x = 0, 1, 2, 3,...) represents the lane number.

原始信息汇总

Jiqing Expressway Dataset 概述

数据集描述

• 类型: 多车道检测数据集
• 采集地点: 中国Jiqing (济南-青岛) 高速公路的部分路段
• 采集设备: 面向道路的交通记录器
• 视频信息:
  • 数量: 40个视频片段
  • 时长: 每个片段3分钟
  • 帧率: 30 fps
  • 分辨率: 1920×1080
• 图像数量: 总计210610张，包含不同光照强度和多种道路条件（上坡、下坡、隧道、涵洞、匝道等）
• 标注方法: 半手动标注，每帧的车道线标注结果存储为txt文件，关键特征点坐标(x,y)按行存储，车道编号用"x"表示（x=0,1,2,3,...）

数据集构建

• 车道提取流程: 结合自动识别与手动标注
• 自动识别模块: 使用C++和opencv库实现
• 车道提取步骤:
  1. 加载视频或图像，手动标记初始帧的感兴趣区域(ROI)初始位置
  2. 在ROI内应用高斯平滑，根据透视关系，高斯核从近到远逐渐减小
  3. 对平滑后的图像执行非最大抑制，提取车道骨架
  4. 对车道骨架的像素点进行分段最小二乘拟合，曲线车道使用三次或二次拟合，直线车道使用线性拟合
  5. 若拟合结果与测试结果一致，则按段采样存储拟合结果，作为确定下一帧ROI的依据；否则，重新手动标注该帧

下载信息

• 数据文件: 车道数据文件和原始视频已上传至Google Drive和Baidu Cloud
• 原始视频文件夹: Jiqing Expressway Video
• 标注文件: Lane_Parameters.zip
• 下载链接:
  • Baidu Cloud提取码: rwns

标注说明

• 标注限制: 对于阴影覆盖或车辆遮挡的车道，可能无标注或仅部分标注
• 标注方向: 仅标注道路交通方向的车道线，不包括反方向车道
• 匝道部分: 车道标注可能不完美

相机模型

• 型号: HZA60 II
• 内部参数: 请参考参数文件

致谢

• 数据集构建工作: 由Shengjia Feng, Jie Wang, Di Zhu, Chang Yuan完成
• 支持: 本研究为山东省自然科学基金（ZR2017MF057）资助项目，由山东大学信息科学与工程学院支持

AI搜集汇总

数据集介绍

构建方式

济青高速公路数据集的构建过程融合了自动识别与人工标注的双重技术。首先，通过C++与OpenCV库实现自动识别模块，对视频或图像进行初步处理。具体步骤包括手动标记初始帧的感兴趣区域（ROI），应用高斯平滑处理图像，根据透视关系调整高斯核，从而在平滑图像中区分车道边缘与中心骨架。随后，通过非极大值抑制提取车道骨架，并采用分段最小二乘法对车道像素点进行拟合，根据曲线或直线的特性选择三次或二次拟合。若拟合结果与测试结果一致，则以分段采样的方式存储拟合结果，作为下一帧ROI确定的依据；否则，进行手动重新标注。

特点

济青高速公路数据集的显著特点在于其多车道检测的应用潜力，适用于评估和测试多种车道检测算法。该数据集包含40个视频片段，每段时长3分钟，帧率为30fps，分辨率为1920×1080，总计210610张道路图像，涵盖了不同的光照强度和道路条件，如上坡、下坡、隧道、涵洞、匝道等。此外，数据集通过半手动方法对每帧图像的车道进行标注，并将标注结果存储为txt文件，其中不同车道的关键特征点坐标（x,y）分别存储在不同行，车道编号以'x'（x = 0, 1, 2, 3,...）表示。

使用方法

济青高速公路数据集的使用方法简便而高效。用户可通过提供的下载链接获取原始视频文件和标注文件，原始视频存储在'Jiqing Expressway Video'文件夹中，标注文件为'Lane_Parameters.zip'。下载后，用户可以利用这些数据进行车道检测算法的测试与评估。具体操作包括加载视频或图像，手动标记初始帧的感兴趣区域，应用高斯平滑和非极大值抑制提取车道骨架，并进行分段最小二乘拟合。通过这些步骤，用户可以实现对车道线的精确检测与跟踪，适用于自动驾驶、交通监控等多个领域。

背景与挑战

背景概述

济青高速公路数据集（Jiqing Expressway Dataset）是由山东大学信息科学与工程学院的研究团队在山东省自然科学基金（ZR2017MF057）的支持下创建的。该数据集专注于多车道检测，旨在为多车道检测算法的测试与评估提供丰富的数据资源。数据集采集自中国济青高速公路的多个路段，通过面向道路的交通记录仪获取，包含40个视频片段，每段时长3分钟，帧率为30 fps，分辨率为1920×1080。总计210610张道路图像，涵盖了不同的光照强度和道路条件，如上坡、下坡、隧道、涵洞、匝道等。数据集的创建结合了自动识别与半手动标注方法，为车道检测领域提供了宝贵的研究资源。

当前挑战

济青高速公路数据集在构建过程中面临多项挑战。首先，数据集涵盖了多种复杂道路条件和光照变化，这对车道检测算法的鲁棒性提出了高要求。其次，半手动标注方法虽然提高了标注效率，但仍存在一定的主观性和误差，特别是在阴影或车辆遮挡的情况下，标注的准确性受到影响。此外，数据集仅标注了道路交通方向的车道线，未包含反方向车道，这在某些应用场景中可能限制了其通用性。最后，匝道部分的车道标注可能不够完善，需要进一步的精细化处理。这些挑战为后续研究提供了改进和优化的方向。

常用场景

经典使用场景

济青高速公路数据集（Jiqing Expressway Dataset）主要用于多车道检测算法的测试与评估。该数据集通过在济青高速公路部分路段安装的路面交通记录仪采集，包含40段视频，每段视频时长3分钟，帧率为30帧/秒，分辨率为1920×1080。数据集涵盖了不同光照强度和路况（如上坡、下坡、隧道、涵洞、匝道等）的210610张道路图像。通过对每帧图像进行半手动标注，将车道线的关键特征点坐标存储为txt文件，为车道检测算法提供了丰富的标注数据。

衍生相关工作

济青高速公路数据集的发布催生了一系列相关研究工作，包括基于深度学习的车道检测算法、车道线跟踪与预测模型等。这些研究工作利用该数据集进行算法验证与性能评估，进一步推动了车道检测技术的发展。此外，该数据集还为其他交通场景下的车道检测研究提供了参考，促进了多车道检测技术的跨领域应用。

数据集最近研究

最新研究方向

在智能交通系统领域，Jiqing Expressway Dataset因其丰富的多车道检测数据而备受关注。该数据集通过集成自动识别与人工标注，提供了高质量的车道线标注信息，适用于多种道路条件下的车道检测算法测试。近年来，研究者们利用此数据集探索了深度学习在车道检测中的应用，特别是在复杂光照和道路环境下的鲁棒性。此外，该数据集还促进了车道检测与自动驾驶技术的融合研究，为实现更精准的自动驾驶路径规划提供了重要数据支持。