Waymo共享了其自动驾驶汽车的大量数据 | 智能交通

发布日期:2019-09-08 10:00
近日,Waymo把其自驾车车队所积累的大量数据进行了开源,让学术研究人员可以利用这些数据进行人工智能自动驾驶的相关研究。Waymo的研究负责人Drago Anguelov表示,此举是回馈社会的一种方式,在自动驾驶研究领域中遇到的种种问题Waymo仍无法自行解决。原本承诺的自动驾驶汽车实现的最后期限已经过去了,尽管Waymo仍处于该领域的领先地位,但完全自主的无人驾驶汽车的问世仍然是未来很多年后的事情。



Waymo的竞争对手可以自由注册并查看数据集,只要他们不使用它来制造商用自动驾驶汽车。 

Waymo花了几个月的时间来选择、注释和打磨文件,这些文件由1,000个驱动序列组成,每个驱动序列持续20秒,相当于200,000帧。这些序列由25个地方的Waymo车辆上的激光雷达、雷达和相机传感器组装而成,包括繁忙的城市,如旧金山,以及郊区,如亚利桑那州凤凰城以外的钱德勒。

与所有图像交错的是1200万个3D标签,每个标签都应用于点云,这是由激光雷达传感器生成的数据集。Waymo的每辆车都配有五个激光雷达--一个扫描整个360度的主雷达和四个短距离设备。相机生成的图像还有120万个2D标签,它们只显示场景的可见部分,并与3D激光雷达云紧密啮合。

激光雷达和摄像机数据之间的紧密连接,包括与其他设备(如雷达)的连接,被称为传感器融合。Waymo自豪地宣称,在大部分工作中它最好,因为它本身就设计了整套硬件和软件。

这种紧密结合的数据集可能有助于解决的研究问题之一是“重新识别”,其中连续跟踪的对象在被短暂遮挡之后再次被识别。例如,如果一个行人走过一棵树并在另一侧重新出现,那么系统应该很快就会认识到它是同一个行人。

这种注意力的连续性与更广泛的问题有关,即从仅仅识别物体到预测这些物体的作用。一个精明的人类驾驶员会轻易地告诉我们,一个靠在栅栏上的行人可能不会飞向街道,而这是一个行人在路边徘徊的另一种方式。计算机算法并不擅长区分。

多年来,许多关于自动驾驶车辆的学术工作都集中在有限的数据库上,例如KITTI Vision Benchmark,这些数据库来自德国卡尔斯鲁厄及其周边地区的驾驶记录。Anguelov说KITTI太小而且时间限制太多,Waymo更好的标签,更全面的叙述更适合制作预测模型:“我们不是以片段形式呈现世界,而是以连贯的序列呈现世界。”“这只是第一次发布共享数据。”他说。“我们希望建立行业标准,组织各界围绕它们进行研究,并进一步扩展数据集。”