このデータセットは、自動運転車両用の使いやすい学習データを提供します。運転動画の各フレームに対応する操舵角、加速度、ブレーキ、ギアが提供されます。動画は、インドのケララ州の道路を走行する車のフロントガラスに固定されたカメラで録画されたものです。 背景の話を知るには、このリンクにアクセスしてください。 https://medium.com/@AnandAI/self-driving-car-on-indian-roads-4e305cb04198 **背景** 公開されている自動運転用のデータセットはいくつかありますが、それぞれに次のような欠点があります。 a) サリー・チェンの運転データ（25分） - パラメータとして操舵角のみを含む - 完全に機能する車を構築するには、より多くのパラメータが必要 b) Comma.aiの研究データ（7時間） - 操舵、加速度、ブレーキを含むが、「ギア」のデータはない。画像の品質が低い - 彼らの運転データの多くは、車線分離された高速道路を走行したもので、カーブが少なく交通量が少ない。インドの道路とは対照的である。 c) 百度のアポロオープンプラットフォーム（巨大） - 複雑なLiDARや3Dデータをすべて含む - 巨大なデータベース：パソコンで処理するには非現実的に大きい すべての公開データセットは、車線が広く、標識や区画線が明確な西洋の環境で録画されています。しかし、AIアルゴリズムが学習するには、インドの道路は西洋の道路よりもはるかに難しい。なぜなら、インドの道路状況に関するデータが十分にないからです。したがって、西洋のデータセットで学習させたアルゴリズムは、インドの状況ではうまく機能しない可能性があります。 上記のデータセットのどれも、パソコンで完全に機能する車を構築するのに適しているとは見られませんでした。また、私はAIアルゴリズムがインドの環境でどのように機能するかが気になりました。そこで、自分で動画を録画することにしました。 **自ら録画した運転動画は、ネットワークに入力する前にいくつかの前処理ステップが必要です。** 動画フレームを生成するために、次のソフトウェアが順番に使用されました。 - Lossless Cut - 関連する動画を無損失で切り出すため。 - Anytime Video Converter - 動画のサイズを変更してデータ量を減らすため。 - Video to JPG Converter - 動画からフレームを抽出するため。 **Pythonで書かれた車のコンソールインターフェイスが、残りの運転制御パラメータを生成するために使用されます。コンソールインターフェイスのコードはここで見ることができます。 https://github.com/AdroitAnandAI/Self-Driving-Car-on-Indian-Roads**