无人驾驶中常用的37个数据集以及每个数据集的亮点_traffic-net

打开检查的快捷键是ctrl+shift+i

• 1.Automotive multi-sensor dataset
  https://goo.gl/1YbD5E
  亮点：全方位视觉数据，实现全方位环绕感测；包括冬季有雪的情况

• 2.Apollo
  https://goo.gl/yy144b
  亮点：来自多个传感器的大量注释数据，适合深度学习和训练任务；支持开源项目

• 3.Berkeley DeepDrive Video dataset
  https://goo.gl/24XNzG
  亮点：具有各种注释的大型驾驶视频数据集

• 4.Caltech Pedestrian Detection Benchmark
  https://goo.gl/HB7e8P
  亮点：最大的行人数据集；行人注释；第一个在边界框和遮挡标签之间具有时间对应关系的数据集

• 5.Cambridge-driving Labeled Video Database
  https://goo.gl/I2pbdP
  亮点：第一批带有对象类语义标签的视频；像素级注释

• 6.CCSAD dataset
  https://goo.gl/pxr3Yc
  亮点：在发展中国家拍摄的立体声视频

• 7.Cheddar Gorge Dataset
  亮点: 配备立体、单目和红外摄像头、V elodyne 64激光雷达、GPS/IMU等的多样化传感器。

• 8.Cityscapes dataset
  https://goo.gl/qLM3V4
  亮点: 来自50个城市的立体声序列；用于语义城市场景理解的像素级注释；带有评估服务器的基准测试套件；一个新的数据集，有更好的人注释的基础

• 9.CMU Visual Localization Dataset
  https://goo.gl/0R8XX6
  亮点: 各种天气和光照条件

• 10.comma.ai driving dataset
  https://goo.gl/B3TWf2
  亮点: 高速公路交通场景

• 11.Daimler Pedestrian Benchmarks
  https://goo.gl/l3U2Wc
  亮点：包含多个基准数据集，用于基于单目和立体图像的行人检测、分类、分割和路径预测；第一个数据集包含部分闭塞的行人；包括我们迄今为止遇到的唯一一个骑车人数据集

• 12.Daimler Urban segmentation
  https://goo.gl/KRBCLa
  亮点:城市交通中的立体视觉序列；像素级语义类标注

• 13.DIPLECS Autonomous Driving Datasets
  https://goo.gl/8isjeJ
  亮点: 包括两个关于公共道路的数据集，一个在英国，另一个在瑞典；逐帧标记速度和转向数据（第一个数据集）以及驾驶环境和驾驶员动作（第二个数据集）

• 14.Dr(eye)ve
  https://goo.gl/45bwXr
  亮点：研究驱动力、眼睛注视和视觉显著性的第一个数据集

• 15.EISATS
  https://goo.gl/ausKsL
  亮点: 包括多个带有立体视觉序列的数据集，用于比较立体视觉、光流、运动分析等的性能评估。

• 16.Elektra
  https://goo.gl/GNNq0f
  亮点: 注释行人的各种图像；包括远红外图像

• 17.ETH pedestrian dataset
  https://goo.gl/xXDTwI
  亮点: 在人满为患的市中心拍摄的立体图像，行人众多

• 18.EuroCity Persons Dataset
  亮点: 在各种天气和光照条件下，城市交通中有大量带有人物注释的图像

• 19.F ord Campus Vision and Lidar DataSet
  https://goo.gl/6ZkCpc
  亮点: 传感器设置多样化，包括高精度定位设备、多个激光雷达、全方位摄像头等；全面的软件支持

• 20.German Traffic Sign Detection Benchmark
  https://goo.gl/FqaCJQ
  亮点: 德国有交通标志的静态图像

• 21.HCI benchmark suite
  https://goo.gl/r5aRvv
  亮点: 一个用于城市自动驾驶的高精度立体和光流数据集，包含许多在同一条街上手动构建/执行的场景

• 22.Heidelberg benchmarks
  https://goo.gl/6c2lAs
  亮点：与名为“强健视力挑战”的活动相关；提供具有挑战性的立体声和光流数据，例如雨点和飞雪

• 23.Joint Attention for Autonomous Driving
  Dataset
  https://goo.gl/cXoPnp
  亮点: 注重行人和司机的共同关注，实现自动驾驶；为行人和车辆提供文本和行为注释

• 24.KAIST multispectral pedestrian detection
  dataset
  https://goo.gl/Tpz512
  亮点：带行人注释的彩色热图像对对齐良好

• 25.Karlsruhe Dataset: Labeled Objects
  https://goo.gl/5fk0js
  亮点：带有汽车和行人对象边界框的图像；甚至包括对象定向

• 26.Karlsruhe Dataset: Stereo Video Sequences +
  rough GPS Poses
  https://goo.gl/V6Q7Vx
  亮点: 卡尔斯鲁厄的高质量立体声序列

• 27.KITTI Vision Benchmark Suite (KITTI)
  https://goo.gl/cvSbGl
  亮点: 目前最负盛名的自动驾驶数据集；为立体视觉、光流、场景流、视觉里程计、SLAM、目标检测和跟踪、道路车道检测、语义分割的评估提供了许多优秀的基准

• 28.Málaga Stereo and Laser Urban DataSet
  https://goo.gl/EdLHtW
  亮点：有据可查；全方位工具支持；主页上的留言板

• 29.Mapillary Vistas Dataset
  https://goo.gl/1L4yj1
  亮点: 大量具有巨大地理多样性的图像，注释为66–129个对象类别，涵盖各种道路/天气/光照条件

• 30.nuScenes数据集
  https://www.nuscenes.org/
  亮点: 自动驾驶汽车的整个传感器套件提供的第一个大规模数据

• 31.Oxford robotcar dataset
  https://goo.gl/nJOQkq
  亮点：第一个数据集强调定期长期数据收集（一年以上），遵循预定义路线，以涵盖道路状况的长期变化

• 32.Stanford track collection (Stanford)
  https://goo.gl/KNOYpX
  亮点：带对象标签和GPS/IMU数据的V elodyne 64点云

• 33.Ground Truth Stixel Dataset (Stixel)
  https://goo.gl/rf12z6
  亮点: 高速公路上下大雨；像素注释

• 34.TorontoCity benchmark
  亮点：具有广泛视图的数据，用于映射、重建和语义标记

• 35.TrafficNet
  http://traffic-net.org
  亮点: 大型可扩展的自然驾驶场景库

• 36.TRoM: Tsinghua Road Marking
  https://goo.gl/KA7DR3
  亮点：第一个与道路标记检测相关的公开数据集

• 37.Udacity dataset
  https://goo.gl/AoxEt1
  亮点：开源项目；驱动部分包含注释对象的数据