carlogrigioni/safe-road-crossing-aw-dataset

数据集名为safe_roadcrossing_aw，主要用于自动驾驶轮椅的安全过马路决策。数据收集使用了多种传感器，包括实验室轮式机器人（RoboMaster EP）、运动追踪器（Optitrack）、摄像头和距离传感器。数据集在IDSIA的移动机器人实验室内收集，包含15个实验记录，分为场景A和场景B。数据集文件夹结构清晰，包含每个实验的数据，如无人机和轮椅的图像帧、边界框数据、摄像头时间戳、距离传感器数据和运动追踪器数据。文件格式主要为CSV和PNG。

原始信息汇总

safe_roadcrossing_aw

数据集用于自主轮椅的安全道路穿越决策。

数据收集方法

数据集涉及道路穿越场景，使用多种传感器。使用实验室轮式机器人（RoboMaster EP）、运动追踪器（Optitrack）、摄像头和距离传感器。

使用的设备

• 机器人
  • 三台全向轮式机器人：每台为RoboMaster EP（RM），来自DJI的商业教育平台。每台RM根据其角色定制为“汽车”、“轮椅”或“无人机”。
  • 每台RM配备反光胶带标记，以便从运动追踪器检测。
  • RM汽车：模拟车辆，未配备额外传感器。
  • RM轮椅：模拟自主轮椅，配备摄像头和四个红外距离传感器。
  • RM无人机：模拟无人机，配备摄像头。
• 运动追踪器
  • OptiTrack运动追踪器
  • 18个红外摄像头

数据描述

数据集包含15个记录，记录0至5在场景A，记录6至14在场景B。

数据结构

数据集位于safe-road-crossing-aw-dataset/文件夹中，包含15个文件夹experiment_{i}/，每个文件夹包含与每个实验相关的所有数据。

safe-road-crossing-aw-dataset/ -experiment_{i}/ -drone/ - frame_{000i}.png - ... -wheelchair/ - frame_{000i}.png - ... -bbox_{i}.csv -bbox_{i}drone.csv -camera_stamps{i}.csv -range{i}.csv -tracker{i}.csv -.../ -README.md

• drone和wheelchair文件夹：从30 fps、1280 x 720视频中提取的编号帧，由RM无人机和RM轮椅上的摄像头记录。
• bbox_{i}.csv和bbox_{i}_drone.csv：由YOLO提取的像素宽度的边界框，添加了恶劣天气条件，使用Automold道路增强库生成。
• camera_stamps{i}.csv：每个帧的绝对时间戳（以纳秒为单位），由ROS2返回。
• range_{i}.csv：从红外距离传感器收集的最近物体的距离（以米为单位），绝对时间戳以纳秒为单位。
• tracker{i}.csv：从运动追踪器数据计算的障碍物和轮椅的相对距离（以米为单位），绝对时间戳以纳秒为单位。

文件格式

• 表格数据，格式为csv
• 图像，格式为png