awesome-openx

这是一个精选的资源列表，专注于收集与自动驾驶功能开发和测试相关的免费应用程序、库和数据集，特别关注ASAM OpenX标准（如OpenDRIVE、OpenSCENARIO、OpenLABEL等）。该合集覆盖了自动驾驶领域的多个方面，包括模拟器、转换器、库、数据模型和数据集，旨在为开发者提供全面的工具和数据集索引。This is a curated resource list focused on collecting free applications, libraries and datasets related to the development and testing of autonomous driving functions, with a particular focus on the ASAM OpenX standards such as OpenDRIVE, OpenSCENARIO, OpenLABEL and others. This collection covers multiple aspects of the autonomous driving domain, including simulators, converters, libraries, data models and datasets, aiming to provide developers with a comprehensive index of tools and datasets.

原始信息汇总

数据集概述

该页面整理并汇总了与 ASAM OpenX 标准（如 OpenDRIVE、OpenSCENARIO、OpenLABEL）相关的自动驾驶功能开发与测试资源，重点收录免费软件与数据集。以下是与数据集直接相关的关键信息提炼：

OpenDRIVE 格式数据集

• ASAM OpenDRIVE 1.7.0：官方标准规范附带示例数据集，由 ASAM 分发。
• 3D Mapping Solutions：包含七个实测路线（如复杂交叉口、因戈尔施塔特市区），部分附带 OpenCRG 数据。许可协议：CC-BY-NC-SA-4.0。访问地址：链接
• 德国A9高速公路：两段总长52公里的高速公路数据集。访问地址：Mobilithek | 镜像
• TUM2TWIN：大规模多模态城市数字孪生基准数据集，包含使用 MathWorks RoadRunner 创建的 OpenDRIVE 高精地图。相关论文：doi:10.1016/j.isprsjprs.2025.12.013。访问地址：链接
• TUMDOT-MUC：无人机采集的车辆轨迹数据及对应 OpenDRIVE 地图。许可协议：CC-BY-NC-4.0。相关论文：doi:10.1007/s42421-024-00101-5。访问地址：链接
• 不伦瑞克“Schwarzer Berg”：2024年由 3D Mapping Solutions 调查的区域数据集。许可协议：CC-BY-4.0。访问地址：doi:10.5281/zenodo.15395839
• 不伦瑞克环线：2012年调查的内环路数据集。许可协议：CC-BY-4.0。访问地址：doi:10.5281/zenodo.4043192
• 不伦瑞克环线至机场：ViVre 研究路线数据集（2021年）。许可协议：CC-BY-4.0。访问地址：doi:10.5281/zenodo.7071845
• 下萨克森测试场：包含 A2、A391、A39 高速公路及 L295 乡村公路部分路段（2019年，Atlatec 调查）。许可协议：CC-BY-NC-SA-4.0。访问地址：doi:10.5281/zenodo.18498007
• 沃尔夫斯堡：5G Living Lab 研究路线数据集（2022年，Atlatec 调查）。许可协议：CC-BY-4.0。访问地址：doi:10.5281/zenodo.7072630
• CARLA：由 MathWorks RoadRunner 生成的七个道路网络示例。访问地址：GitHub
• esmini：作为 esmini 项目一部分分发的示例数据集。访问地址：GitHub
• ODDLOT：作为 ODDLOT 项目一部分分发的示例数据集。访问地址：GitHub
• ZalaZONE：ZalaZONE 汽车试验场的道路网络数据集（使用 MathWorks RoadRunner 创建）。许可协议：MIT。访问地址：GitHub

OpenSCENARIO 格式数据集

• OSC-ALKS-scenarios：基于 ALKS 法规（UN R157）的高速公路“自动驾驶车道保持系统”审批测试场景。许可协议：MPL-2.0。访问地址：GitHub
• OSC-NCAP-scenarios：基于 Euro NCAP 协议的“自动紧急制动（AEB）”和“车道支持系统（LSS）”验证测试场景。许可协议：MPL-2.0。访问地址：GitHub

OpenMATERIAL 3D 数据集

• OpenX-Assets：使用 ASAM OpenX 标准创建的 3D 车辆模型数据集。访问地址：GitHub

搜集汇总

数据集介绍

构建方式

该数据集的构建以ASAM OpenX标准体系为核心，系统性地整合了与自动驾驶功能开发及测试相关的开源应用、库和数据集。通过精心筛选与分类，项目将资源划分为应用、转换器、库、数据结构与模型、数据集及杂项等六大板块。每一类目下均收录了基于OpenDRIVE、OpenSCENARIO、OpenLABEL等标准的工具与数据，例如CARLA模拟器及其scenario_runner、esmini场景播放器、以及scenariogeneration等生成与转换库。数据集部分则汇集了来自ASAM官方、3D Mapping Solutions、TUM等机构的高精度道路网络与测试场景，覆盖从高速公路到城市道路的多种驾驶环境。

特点

该数据集最显著的特点在于其高度的专业性与系统性。它专注于ASAM OpenX标准，为自动驾驶测试提供了统一的格式基础，确保了不同工具与数据之间的互操作性。资源涵盖从道路网络创建（如OpenRoadEd）、格式转换（如r:trån）到场景生成与执行的完整流程，形成了闭环的测试工具链。此外，数据集包含了丰富的真实世界与合成数据，如德国A9高速公路、布伦瑞克环城路等实测轨迹，以及CARLA生成的虚拟路网，满足了从算法验证到系统集成的多层次需求。

使用方法

使用者可直接通过GitHub仓库访问各资源的链接，根据需求选择相应的工具或数据集。对于开发者，可克隆如esmini或scenariogeneration等库的源代码进行二次开发；测试工程师则可下载OpenDRIVE或OpenSCENARIO格式的样本数据，导入至CARLA或esmini等模拟器中执行场景仿真。数据集还提供了详细的许可信息与文档链接，便于合规使用与深入研究。通过整合这些资源，该列表极大地简化了基于OpenX标准的自动驾驶系统开发与验证流程。

背景与挑战

背景概述

随着自动驾驶技术的迅猛发展，对高保真度、标准化仿真环境的需求日益迫切。ASAM OpenX标准体系（包括OpenDRIVE、OpenSCENARIO、OpenLABEL等）应运而生，旨在为自动驾驶功能的开发与测试提供统一的数据描述与交互规范。在此背景下，awesome-openx项目于近年由国际研究机构与标准组织联合创建，汇集了围绕OpenX标准的应用、库与数据集资源。该项目不仅整合了CARLA、esmini等主流仿真工具，还收录了来自德国高速公路A9、慕尼黑工业大学数字孪生数据集等高质量实测数据，为自动驾驶算法的验证与评估提供了关键支撑。其影响力已辐射至学术界与工业界，成为推动自动驾驶标准化进程的重要参考平台。

当前挑战

awesome-openx数据集面临的核心挑战在于多源异构数据的兼容性与标准化。一方面，OpenDRIVE格式虽定义了道路网络拓扑，但不同工具生成的版本（如1.4与1.7）存在语法差异，导致数据互换时出现解析错误或语义丢失。另一方面，OpenSCENARIO场景描述与OpenLABEL标注信息的耦合度不足，难以实现复杂交互场景的完整复现。构建过程中，团队需协调ASAM标准迭代、第三方工具接口差异及数据许可协议（如CC-BY-NC-SA）的合规性，同时确保从实测轨迹到仿真模型的转换精度。此外，缺乏统一的元数据索引机制，使得跨数据集检索与场景泛化应用面临效率瓶颈。

常用场景

经典使用场景

在自动驾驶系统的研发与验证过程中，道路网络与交通场景的精准建模是核心挑战之一。awesome-openx数据集汇聚了基于ASAM OpenX标准（如OpenDRIVE、OpenSCENARIO、OpenLABEL）的丰富资源，为开发者提供了从高清地图构建到复杂场景编排的一站式工具链。其经典使用场景聚焦于虚拟仿真测试：通过OpenDRIVE描述道路几何与拓扑结构，结合OpenSCENARIO定义动态交通参与者的行为，可在CARLA、esmini等仿真器中复现真实驾驶环境，用于算法在极端工况下的鲁棒性验证。此外，该数据集支持将OpenStreetMap等开放数据转换为标准化格式，大幅降低了构建高保真测试场景的门槛，成为自动驾驶功能开发中不可或缺的基础设施。

解决学术问题

该数据集系统性地回应了自动驾驶领域长期存在的标准化缺失与数据异构难题。在学术研究中，OpenDRIVE和OpenSCENARIO的规范化表达使得不同团队能够共享统一的道路模型与测试场景，解决了因格式不兼容导致的研究成果难以复现的问题。基于该数据集，学者得以深入探讨自动车道保持系统（ALKS）在法规UN R157下的安全边界，或利用Euro NCAP协议中的紧急制动场景量化感知算法的性能极限。更重要的是，它推动了从单一道路测试向多模态数字孪生研究的转型——例如TUM2TWIN基准数据集融合了高清地图与传感器数据，为城市级自动驾驶的全局规划与因果推理提供了可量化的实验平台，其影响力已延伸至交通流理论、人机交互等交叉学科。

衍生相关工作

围绕awesome-openx衍生出一系列具有里程碑意义的学术与工程成果。在工具层面，scenariogeneration库实现了OpenDRIVE与OpenSCENARIO的参数化联合生成，使大规模场景变体的自动化探索成为可能；rtron转换框架则打通了自动驾驶地图与城市地理信息系统（CityGML）的壁垒，推动了跨领域数据融合。在标准演进中，Open Simulation Interface（OSI）基于Protobuf定义了感知数据与仿真引擎的通用接口，其衍生工作如OpenMSL项目进一步构建了模型与工具的互操作生态。值得注意的是，基于该数据集的ALKS场景集已被纳入联合国法规测试用例，而Euro NCAP协议中的AEB场景库则直接影响了全球新车评价规程的迭代方向，彰显了OpenX标准从学术研究到产业规范的传导效应。