inD数据集

inD数据集是由亚琛工业大学汽车工程研究所创建的一个大规模城市交叉口数据集，专注于自然道路用户行为。该数据集包含超过11500条轨迹，涵盖车辆、自行车骑手和行人等多种道路用户，数据来源于德国四个不同交叉口的10小时无人机视频记录。创建过程中，利用高分辨率无人机摄像和深度学习算法精确提取轨迹。inD数据集主要用于自动驾驶安全验证、交通模拟模型和交通分析等领域，旨在解决复杂城市环境中自动驾驶的挑战。

The inD dataset is a large-scale urban intersection dataset developed by the Institute of Automotive Engineering at RWTH Aachen University, with a focus on the behaviors of natural road users. It contains over 11,500 trajectories covering diverse road user types including vehicles, bicyclists, and pedestrians. The dataset is sourced from 10 hours of drone video recordings captured at four different intersections in Germany. During its construction, high-resolution drone imagery and deep learning algorithms were utilized to accurately extract these trajectories. The inD dataset is primarily applied in domains such as autonomous driving safety validation, traffic simulation modeling, and traffic analysis, with the goal of addressing the challenges of autonomous driving in complex urban environments.

搜集汇总

数据集介绍

构建方式

inD数据集通过配备高分辨率摄像头的无人机在德国城市交叉口进行交通记录，采用鸟瞰视角捕捉道路使用者的自然行为。数据采集过程中，无人机在高达100米的高度悬停，确保记录的交通行为不受干扰。视频数据经过预处理后，利用深度学习算法对道路使用者进行精确的检测、分类和跟踪，最终生成包含位置、速度和加速度等信息的轨迹数据。

特点

inD数据集包含超过11500条道路使用者的轨迹数据，涵盖车辆、自行车和行人等多种类型。数据集的特点在于其高精度和自然性，所有轨迹均通过像素级分割技术从4K分辨率的视频中提取，确保了数据的准确性。此外，数据集覆盖了四个不同的交叉口，记录了不同时间段和交通密度下的多种交通场景，具有较高的多样性和代表性。

使用方法

inD数据集以图像和CSV文件的形式提供，每个记录包含一个交叉口的鸟瞰图像和三个CSV文件，分别记录元数据、道路使用者信息和轨迹数据。研究人员可以使用提供的Matlab和Python脚本导入和处理数据，进行可视化分析或提取特定交通行为。该数据集适用于自动驾驶系统的安全验证、交通模拟模型、道路使用者行为预测等研究领域。

背景与挑战

背景概述

inD数据集由德国亚琛工业大学自动化驾驶部门的研究团队于2019年创建，旨在为城市交叉路口的自然交通行为提供高质量的道路用户轨迹数据。该数据集通过配备摄像头的无人机采集，记录了超过11500个道路用户（包括车辆、自行车和行人）在德国四个交叉路口的运动轨迹。inD数据集的发布填补了现有公开数据集中缺乏大规模、高质量城市交叉路口轨迹数据的空白，为自动驾驶系统的安全性验证、交通模拟模型和道路用户行为预测等研究提供了重要支持。

当前挑战

inD数据集在解决城市交叉路口复杂交通场景的挑战方面具有重要意义。首先，交叉路口的交通行为具有高度的复杂性和多样性，传统的基于地面传感器或车载设备的数据采集方法难以避免遮挡问题，且可能影响道路用户的自然行为。其次，构建过程中面临的主要挑战包括：1) 如何确保无人机在复杂城市环境中的安全飞行和数据采集；2) 如何通过深度学习算法从高分辨率视频中精确提取道路用户的轨迹，尤其是对于像素较少的行人和自行车；3) 如何在不同时间和地点采集数据以覆盖多样化的交通场景。这些挑战的克服使得inD数据集在规模和精度上超越了现有数据集，为自动驾驶研究提供了更可靠的数据基础。

常用场景

经典使用场景

inD数据集在自动驾驶研究领域中被广泛用于模拟和预测城市交叉路口的复杂交通行为。通过提供高精度的道路使用者轨迹数据，该数据集支持开发先进的预测模型，帮助自动驾驶系统更好地理解和预测行人、自行车和车辆的行为。

衍生相关工作

inD数据集的发布促进了多项相关研究的发展，包括基于深度学习的轨迹预测模型、交通行为分析工具以及自动驾驶系统的安全验证方法。这些研究不仅扩展了数据集的应用范围，也为自动驾驶技术的进步提供了坚实的理论和实践基础。

数据集最近研究

最新研究方向

近年来，inD数据集在自动驾驶和交通行为分析领域引起了广泛关注。作为首个基于无人机采集的德国城市交叉路口自然交通行为数据集，inD为研究复杂城市环境中的交通用户行为提供了高质量的数据支持。其独特之处在于通过鸟瞰视角捕捉了车辆、行人及自行车等多种交通参与者的轨迹，避免了传统地面传感器因遮挡或用户感知测量而导致的偏差。该数据集的最新研究方向主要集中在基于深度学习的交通用户行为预测、交叉路口场景下的自动驾驶安全验证以及交通流模拟模型的优化。此外，inD数据集还被广泛应用于研究交通规则对用户行为的影响、多模态交通交互分析以及智能交通系统的开发。其高精度、大规模和多样化的特点使其成为推动自动驾驶技术发展的关键资源。

相关研究论文

• The inD Dataset: A Drone Dataset of Naturalistic Road User Trajectories at German Intersections

  亚琛工业大学汽车工程研究所 · 2019年