常用的公开车道线数据集合
-
ApolloScape
- 论文: The ApolloScape Open Dataset for Autonomous Driving and its Application
- 简介: 百度2018年公开(CVPR2018 workshops),包含多种道路目标的语义标签(车辆、车道等等),同时也有3D点云信息
- 评估准则:mAP
-
CULane
- 论文: Spatial as deep: Spatial CNN for traffic scene understanding
- code: https://github.com/XingangPan/SCNN
- 简介:商汤和港中文团队2018年公开的(AAAI2018)车道线数据,涵盖了北京不同天气下的多种不同类型的车道线数据,共133235张图,整体分析如下:
- 评估准则: F1-measure
-
Tusimple
- Tusimple2017是由图森发起的自动驾驶车道线检测挑战赛中公布的数据,参考官方链接https://github.com/TuSimple/tusimple-benchmark/tree/master/doc/lane_detection
-
Cityscapes
- 官网介绍https://www.cityscapes-dataset.com/,包含城市道路场景的多种目标的语义信息
-
BDD100K
- 论文: BDD100K: A Diverse Driving Dataset for Heterogeneous Multitask Learning
- 由UC伯克利等学校2020年公布的一项自动驾驶数据集,包含障碍物、车道线、行驶区域等,其中lane marking数据共100000张图像
-
Caltech
- 链接: http://www.mohamedaly.info/datasets/caltech-lanes
- 1225张美国加州的道路数据
-
LLAMAS
-
VPGNet
- 论文: VPGNet: Vanishing Point Guided Network for Lane and Road Marking
Detection and Recognition - code: VPGNet
- ICCV2017的一篇工作,包含21097张韩国首尔的道路图像,包含白天(非雨天、雨天、大雨天)、夜晚的数据,同时包含了各种车道线类型,以及其他不同类型的车道标识(左转箭头、直行箭头、斑马线等等)
- 论文: VPGNet: Vanishing Point Guided Network for Lane and Road Marking
-
其他
- KITTI,CamVid等样本相对比较少的数据集
写在后面
- 推荐一个博主的github主页,https://github.com/amusi/awesome-lane-detection
- 图像分割相关数据,参考极市平台整理