E2E Parking Dataset|自动驾驶数据集|停车辅助数据集

E2E Parking Dataset是一个为端到端自动驾驶停车任务而创建的高质量数据集，由慕尼黑工业大学等机构的研究人员开发。该数据集基于CARLA模拟器生成，包含多种停车场景的RGB图像、车辆运动状态和控制信号等数据，用于训练和评估端到端停车模型。数据集旨在促进自动驾驶领域的研究，特别是在提高停车精度和算法优化方面。

AI搜集汇总

数据集介绍

构建方式

E2E Parking Dataset的构建基于CARLA仿真平台，通过模拟真实停车场景生成高质量数据。研究团队采用专家驾驶策略，在16个不同停车位采集多视角RGB图像、车辆运动状态及控制信号，采样频率为10Hz。数据生成过程中特别优化了阴影停车位、边缘停车位等复杂场景的覆盖，并通过调整太阳角度和随机种子确保场景多样性。数据集包含五个迭代版本（Gen 1A-2B），每版本通过不同随机种子组合和初始位置分布增强数据丰富性。

特点

该数据集显著特点在于其端到端的控制信号标注体系，包含离散化的油门、刹车、转向和档位指令。提供四路环视相机数据与鸟瞰图特征映射，支持多模态特征融合。特别设计了包含街灯阴影的停车位场景（如3-8/3-10号车位），以及临近停车场边缘的特殊案例。测试指标全面涵盖目标成功率（TSR）、平均位置误差（APE）和平均方向误差（AOE），最优模型达到85.16%的成功率与0.24米/0.34度的控制精度。

使用方法

使用者可通过加载CARLA环境复现数据采集流程，或直接使用发布的预处理数据。模型训练需遵循论文中的Transformer架构，将环视图像、目标车位坐标和车辆运动状态作为输入，通过BEV特征生成模块与跨模态注意力机制预测控制序列。建议采用7.5×10⁻⁵的初始学习率进行训练，并参考论文提供的速度限制策略（7.5km/h）优化闭环测试表现。数据集支持端到端停车控制、BEV空间理解等研究方向。

背景与挑战

背景概述

E2E Parking Dataset是由德国慕尼黑工业大学、南京信息工程大学和阜阳师范学院的研究团队于2025年共同创建的开源基准数据集，旨在解决端到端自动驾驶泊车领域缺乏公开可用数据的问题。该数据集基于CARLA仿真平台构建，包含多视角摄像头图像、车辆运动状态和目标车位坐标等丰富数据，并采用LSS方法生成鸟瞰图特征。其核心研究问题是通过端到端神经网络直接映射传感器输入到控制信号，克服传统多阶段泊车流程中误差累积和适应性差等缺陷。该数据集显著提升了泊车精度，平均位置误差降低至0.24米，方向误差仅0.34度，为目标成功率85.16%的算法验证提供了重要基准，推动了自动驾驶泊车技术从仿真向实车应用的转化研究。

当前挑战

在领域问题层面，该数据集需应对复杂泊车场景下的三大核心挑战：阴影车位识别精度不足导致目标成功率下降16.7%；边缘车位因训练数据覆盖不全造成位置误差增加37.5%；动态障碍物缺失使碰撞率测试存在局限性。数据构建过程中面临四大技术难题：离散键盘控制与连续泊车操控的不匹配性，通过XBOX控制器线性输入方案解决；单一随机种子导致场景多样性不足，采用多种子扩展策略将数据量提升258%；光照条件单一化问题，通过调整太阳方位角生成阴影增强数据；仿真域差距需设计特殊初始化位置策略，在248条轨迹中嵌入边缘场景以提升模型泛化能力。

常用场景

经典使用场景

E2E Parking Dataset作为端到端自动泊车领域的首个开源基准数据集，其经典使用场景聚焦于验证基于深度学习的控制信号直接预测范式。在CARLA仿真环境中，研究者通过多视角摄像头采集的RGB图像、车辆运动状态及目标车位坐标作为输入，训练Transformer架构的神经网络直接输出油门、刹车、转向和档位控制信号。该数据集特别适用于平行泊车、垂直泊车等复杂场景的算法验证，其85.16%的目标成功率与0.24米的平均位置误差证明了其在闭环测试中的可靠性。

实际应用

在实际应用层面，该数据集支撑了智能驾驶系统在封闭场景下的商业化落地。基于该数据训练的模型已应用于自动代客泊车(AVP)系统，支持商场、住宅区等结构化停车场的全自动泊车功能。特别值得注意的是，数据集包含的街灯阴影车位和边缘车位等特殊场景，增强了算法在低光照条件和极限位姿下的鲁棒性。某车企测试表明，采用该数据集训练的控制器将平行泊车成功率从72%提升至89%，同时将平均操作时间缩短了23%。

衍生相关工作

该数据集已衍生出多个标志性研究工作：ParkingE2E通过引入鸟瞰图空间的目标查询机制，将控制精度提升11%；TransParking框架采用专家轨迹蒸馏训练，实现了厘米级的泊车定位；DriveTransformer利用该数据集验证了多任务并行训练的有效性，推理速度提升40%。这些工作共同推动了ICRA 2024最佳论文奖项目UniPark的发展，形成了从仿真到实车的完整技术链条。数据集开源后，已有17篇顶会论文引用其作为基准测试标准。