[GIS] 네이버 랩스 오픈데이터셋 - 자율주행 정밀지도

 

 

https://www.naverlabs.com/datasets

[NAVER LABS] OPEN DATASET

•  

  HD Map Dataset for Autonomous Driving

  자율주행차는 HD맵을 센서 데이터들과 함께 활용해 현재 위치를 더 정확하게 알고, 경로 계획도 효과적이고 안전하게 세울 수 있습니다. 그래서 HD맵은 자율주행차의 성능과 안전에 있어 매우 중요한 요소입니다. 우리가 도로 자율주행을 위한 새로운 고정밀 지도(machine readable HD map) 솔루션 개발에 집중하고 있는 이유입니다. 네이버랩스의 HD맵은 도심 단위 대규모 지역의 항공사진, 그리고 모바일 매핑 시스템의 데이터를 유기적으로 결합하는하이브리드 HD 매핑 솔루션으로 제작됩니다. 정확도를 높게 유지하면서도, MMS 차량이 만드는 HD맵과 비교해 제작 비용과 기간을 크게 절감할 수 있습니다. 오픈 데이터셋에 포함되는 네이버랩스 HD맵은 아래의 세 가지로 구성되어 있습니다.

  • 3D Road Layout항공사진에서 추출한 노면의 3D로드레이아웃 데이터를 제공합니다. 차선, 도로표지판, 횡단보도, 사거리, 과속방지턱 등 자율주행차에 필수적인 노면상시각 구조물의 유형과 정밀한 3D 위치 정보가 담겨 있습니다.
  • LiDAR Feature DataHD맵 데이터셋에는 MMS차량(R1)에서 스캔한 주변 도로 환경의 3D LiDAR 포인트 클라우드 데이터가 포함되어 있습니다. 각각의 포인트는 도로 위 오브젝트나 영역의 유형을 나타냅니다. 차량이나 보행자와 같은 동적 물체들은 자동으로 감지되어 포인트 클라우드에서 제거되어 있습니다.
  • Visual Feature DataHD맵 데이터셋의 최종 구성 요소는 도로 환경의 주요한 영역에서 추출된 visual feature입니다. 훈련된 딥러닝 모델에 의해 얻어진 visual feature 데이터는 정밀하고 discriminative하며, 여러 시점 조건에서도 불변하기 때문에 신뢰할 수 있는 매칭과 localization이 가능합니다.

   

• Localization Dataset for Autonomous Driving

  도로 자율주행 상황에서는 현재 어디에 있는지 위치를 정확하게 아는 것이 중요합니다. 네이버랩스의 측위 기술은 자체 개발한 HD맵을 하나의 가상 센서처럼 활용하고 기존 LiDAR, camera, 관성센서, wheel encoder 등의 다양한 센서로부터 획득된 정보를 매칭하기 때문에 복잡한 도심이나 터널 등 GPS 신호가 취약한 음영지역에서도 정확하고 안정적으로 도로 위의 현재 위치를 추정할 수 있습니다.본 데이터셋은 자율주행 알고리즘의 성능 평가를 위해 이러한 센서들로부터 취득한 raw data와 이에 상응하는 ground truth pose를 제공합니다.

•  

Indoor Localization Dataset

Visual Localization은 실내 자율주행 서비스 로봇 및 다양한 위치 기반 서비스의 시작점에 있는 매우 중요한 기술입니다. 네이버랩스는 이러한 연구들을 활성화하기 위해 다양한 일상공간의 새로운 데이터셋을 제공합니다. 낮은 천장이나 복잡한 구조, 인파 등 실제 생활환경의 요소들이 반영된 데이터라는 점이 특징입니다. 백화점과 지하철역 등의 일상적인 공간에서 다수의 사람들이 실재하는 시간에 공간데이터를 획득했고, 130,000장 이상의 이미지와 포인트 클라우드 데이터를 축적했습니다. LiDAR SLAM과 SFM으로 구성된 데이터처리 파이프라인에 의해 정밀한 ground truth가 함께 제공되고, 각 공간들을2회 이상 반복하여 스캔함에 따라 localization task의 평가를 용이하게 하였습니다.