Argoverseデータセットは、Argo AI、カーネギーメロン大学、ジョージア工科大学によって公開された、自動運転車の3D追跡と動き予測の研究をサポートするためのデータセットです。データセットは2つの部分から構成されています：Argoverse 3D追跡とArgoverse動き予測。

Argoverseのデータは、Argo AIの自動運転テスト車両がマイアミとピッツバーグ（この2つのアメリカの都市は異なる都市運転の課題と地域の運転習慣に直面しています）で運行した地域のサブセットから収集されました。異なる季節、天候条件、および1日の異なる時間帯のセンサーデータまたは「ログセグメント」の記録が含まれており、幅広い実際の運転シーンを提供します。 総車線覆域：マイアミでは204線形キロメートル、ピッツバーグでは86線形キロメートル。

Argoverseは、高精細地図を含む最初のデータセットで、290KMの幾何形状とセマンティック情報を持つ高精細地図データを含んでいます。

Argoverseの高精細地図座標系はUTM座標系を採用しています。UTMは世界を60のゾーンに分割し、各ゾーンは経度方向に6度の範囲をカバーします。UTMを基に、Argoverseはさらに座標系を単一の都市の固定座標に対してオフセットし、最終的なデータセットの地図座標系を得ています。

Argoverseの特徴：

1、113のシーンの3D追跡アノテーションを持つデータセット

2、1000時間以上の運転データから抽出された324,557本の興味深い車両軌跡を含むデータセット

3、車線中心線、交通方向、地面の高さなどを持つ2枚の高解像度（HD）地図

4、地図データとセンサー情報を接続するためのAPI

一、データはどのように収集されたのか？

すべてのデータは、Argo AIの自動運転技術と完全に統合された同じフォード・フュージョン・ハイブリッド車隊を使用して収集されました。2つのLiDARセンサー、7つの環状カメラ、および2つの前方ステレオカメラからのデータを含んでいます。すべてのセンサーは屋根に搭載されています：

1.1 レーザーレーダ：

2.2.1、2つの屋根搭載型LiDARセンサー

2.2.2、40°の垂直視野が重複

2.2.3、射程200m

2.2.4、平均して、私たちのLiDARセンサーは10 Hzで約107,000個の点の点群を生成します。

1.2 特定の都市と地域

車両の位置特定には都市固有の座標系を使用しています。GPSベースの位置特定方法とセンサーベースの位置特定方法を組み合わせ、各タイムスタンプについて6自由度の位置情報を含めています。

1.3 ステレオカメラ

7つの高解像度環状カメラ（1920 x 1200）が30 Hzの頻度で記録し、360°の視野を持ちます。 5 Hzでサンプリングされる2つの前方ステレオカメラ（2056 x 2464）

1.4 内部および外部キャリブレーション

各運転セッションのセンサー測定結果は「ログ」に保存されます。各ログについて、LiDARとすべての9台のカメラの内部および外部キャリブレーションデータを提供します。

地図には豊富な幾何学的およびセマンティックなメタデータが含まれており、3Dシーンをよりよく理解することができます。地面の高さから次の交差点までの残りの距離まで、私たちの地図は研究者がロボットの知覚における高解像度地図の可能性を探求することを可能にします。

二、Argoverse地図

私たちの地図を他と区別する3つの異なる要素があります：

1、幾何学的な車線ベクトルマップ

私たちのセマンティックベクトルマップは、車線中心線、交通方向、交差点の注釈など、有用な車線レベルの詳細を伝えます。これらの機能やその他の機能を通じて、ユーザーは私たちのテストエリア内の都市の道路や複雑な交差点を流れる交通のさまざまな方法を探索し、各シーンの前後の全体像を把握することができます。

2、走行可能領域のラスター化地図

私たちの地図には、1メートルのグリッド解像度の2値の走行可能領域ラベルが含まれています。走行可能領域は、車両が走行する可能性のある領域（ただし、必ずしも合法であるとは限りません）です。私たちが3D追跡で概説した追跡アノテーションは、走行可能領域から5メートル外まで拡張されています。このより広い領域を「関心領域」と呼んでいます。

3、実際の高さを持つラスター化地図

私たちの地図には、1メートル解像度の実数値の地面の高さが含まれています。私たちの地図ツールを使用すると、ユーザーは不平坦な地面のLiDAR反射を除去することができ、物体の検出が容易になります。

三、Argoverse 3D追跡

Argoverse 3D追跡は、3Dオブジェクト追跡アノテーションを含む113のログセグメントの集合です。これらのログセグメント（私たちは「シーケンス」と呼んでいます）の長さは15秒から30秒まで異なり、合計で11052本の軌道を含んでいます。

私たちの訓練データセットと検証データセットの各シーケンスには、「走行可能領域」（車両が走行できる領域）から5メートル以内の領域にあるすべての物体のアノテーションが含まれています。 このデータセットが際立つ理由は何ですか？

ユーザーは、Argoverseの高解像度地図の詳細情報を活用するアルゴリズムを構築することができます。たとえば、アルゴリズムは地図を使用してLiDAR反射で地面を除去する操作を実行したり、車線方向に基づいて車両の方向を制約したりすることができます。

データ注釈

Argoverseは、走行可能領域上またはその近くのすべての関心対象オブジェクトに非モーダルな3D境界直方体を含んでいます。 「非モーダル」とは、各直方体の3D範囲が3D空間におけるオブジェクトの空間範囲を表すことを意味します。つまり、観測されたピクセルや観測されたLiDAR反射の範囲だけでなく、遮蔽されたオブジェクトについては小さく、1つの面からしか観測されないオブジェクトについては曖昧です。

私たちの非モーダルアノテーションは、追跡シーケンス全体で観測された各オブジェクトのLiDAR反射に直方体をフィットさせることで自動生成されます。オブジェクトの全体的な空間範囲が1フレームで曖昧な場合は、前のフレームまたは次のフレームからの情報を使用して形状を制約することができます。時間の経過とともに、非モーダル直方体のサイズは固定されています。データセット内の一部のオブジェクトはサイズを動的に変更し（たとえば、ドアを開けた車）、完全な非モーダル直方体のフィットができないことがあります。

モーダル直方体を作成するために、各時間ステップで各オブジェクトに属する点を特定します。これらの情報と各オブジェクトの方向は、人間のアノテーターから得られます。

私たちは15のオブジェクトクラスについて正解ラベルを提供しています。これらのクラスのうち2つは、私たちが定義した主要なカテゴリの外にある静的および動的なオブジェクトを含み、それぞれON_ROAD_OBSTACLEとOTHER_MOVERと呼ばれます。これらのオブジェクトクラスのArgoverse 3D追跡で注釈付けされたすべてのオブジェクトに対する分布は次のとおりです：

四、Argoverse動き予測

動き予測モデルの訓練と検証用のデータセット

Argoverse動き予測は、訓練と検証に使用するために厳選された324,557個のシーンの集合で、各シーンは5秒間です。各シーンには、10 Hzでサンプリングされた各追跡オブジェクトの2D鳥瞰重心が含まれています。

この集合を作成するために、私たちは自動運転テスト車隊から1000時間以上の運転データを選別し、最も挑戦的なセグメントを探しました。これには、交差点を通過する車両、左折または右折する車両、車線変更する車両が含まれます。

引用文献

2019年6月、私たちは出版物「Argoverse: 3D Tracking with Forecasting and Rich Maps」がCVPR 2019に掲載されるのに合わせて、Argoverseデータセットを公開しました。この出版物または私たちが提供する資料を引用する場合は、次の引用形式を使用してください：

@INPROCEEDINGS { Argoverse,
 author = {Ming - Fang Chang and John