1、介紹

代爾夫特視圖 （VoD） 數(shù)據(jù)集是一種新穎的汽車數(shù)據(jù)集，包含 8600 幀同步和校準的 64 層 LiDAR、（立體）攝像頭和 3+1D 雷達數(shù)據(jù)，這些數(shù)據(jù)是在復雜的城市交通中采集的。它由超過 123000 個 3D 邊界框注釋組成，包括超過 26000 個行人、10000 個騎自行車者和 26000 個汽車標簽。

2、傳感器和數(shù)據(jù)?

數(shù)據(jù)集記錄了以下傳感器的輸出：

安裝在前保險杠后面的采埃孚 FRGen21 3+1D 雷達 （～13 Hz），

安裝在擋風玻璃上的立體攝像頭（1936 × 1216 像素，～30 Hz），

屋頂上的Velodyne HDL-64 S3激光雷達（～10 Hz）掃描儀，以及

自我車輛的里程計（RTK GPS、IMU 和車輪里程計的過濾組合，～100 Hz）。

所有傳感器均經(jīng)過聯(lián)合校準，有關傳感器設置的一般概述，請參見下圖。

該數(shù)據(jù)集僅免費提供用于非商業(yè)研究目的，使用該數(shù)據(jù)集的資格僅限于碩士生和博士生，以及學術和非營利研究機構的工作人員，可以通過填寫此表格來請求訪問：

https://docs.google.com/forms/d/e/1FAIpQLSdKvkuKbzmJTn8raJBAWgekAJCpaQLS_ED63sUS89Ezo61RCQ/viewform?usp=send_form

如果不想填寫表格，文章末尾提供了下載方式。

Github中包含了數(shù)據(jù)解析的Python代碼，以及相關的教程：https://github.com/tudelft-iv/view-of-delft-dataset。

注意事項：該數(shù)據(jù)集比較大，大約14G，下載比較耗時間。

3、數(shù)據(jù)格式

激光雷達：

激光雷達點云存儲在Bin文件中，每個 bin 文件都包含 Nx4 數(shù)組形式的 360° 掃描，其中 N 是點數(shù)，4 是特征數(shù)：[x,y,z,reflectance]

4D毫米波雷達：

雷達點云存儲在Bin文件中，每個 bin 文件都包含一組 Nx7 數(shù)組形式的點，其中 N 是點數(shù)，7 是特征數(shù)：

[x, y, z, RCS, v_r, v_r_compensated, time]

其中,v_r是相對徑向速度，v_r_compensated是點的絕對（即自我運動補償）徑向速度。time是點的時間 ID，指示它來自哪個掃描。例如，當前掃描的點 t = 0， 而第三次最近掃描的點的 t = ?2。

相機：圖像存儲在.jpg文件中。

4、數(shù)據(jù)讀取與解析

參照說明文檔的Pyhton代碼即可完成讀取，其中代碼需要Python的環(huán)境，并安裝好相關的依賴庫。

https://github.com/tudelft-iv/view-of-delft dataset/blob/main/1_frame_information.ipynb

該數(shù)據(jù)集調(diào)皮哥已經(jīng)解析出來了，解析過程不難，挺簡單的。數(shù)據(jù)內(nèi)容覺得還可以，就是單幀的點云有點少。感興趣的朋友可以試試，用于科研（做聚類、跟蹤算法、目標識別、數(shù)據(jù)融合）還是可以的，算是目前比較好的數(shù)據(jù)集了。

審核編輯 ：李倩