首页
/ Autoware城市数据集采集与处理技术实践

Autoware城市数据集采集与处理技术实践

2025-05-24 10:06:56作者:龚格成

数据集背景与目标

Autoware自动驾驶框架需要针对城市复杂场景进行算法验证和性能测试,特别是隧道和桥梁等极端环境下的定位与建图能力。为此,技术团队开展了一次专门的城市数据集采集工作,旨在为Autoware的LOAM-Based Localization功能开发提供高质量的测试数据。

传感器配置方案

本次数据采集采用了专业级的传感器组合:

  • 激光雷达:Hesai Pandar XT32,这是一款32线机械式激光雷达,具有360°水平视场角和40°垂直视场角
  • 组合导航系统:Applanix POS LVX GNSS/INS,提供厘米级定位精度和稳定的姿态测量

传感器间通过PPS脉冲信号和GPRMC时间信息进行硬件级时间同步,确保数据的时间一致性。激光雷达采用Strongest回波模式工作,优先记录最强反射信号。

数据采集路线规划

采集路线经过精心设计,覆盖了典型的城市复杂场景:

  1. 长距离隧道场景:测试GNSS信号完全缺失环境下的定位能力
  2. 大型桥梁场景:评估高度变化和开阔水域环境对传感器的影响
  3. 城市道路混合场景:包含常规道路、交叉路口等典型城市元素

数据处理流程

原始数据格式

  • 激光雷达数据:PCAP格式原始数据包,包含点云信息和时间同步标记
  • GNSS/INS数据:T04格式原始数据及处理后的文本格式,包含位置、姿态和速度信息
  • ROS2数据包:包含传感器原始话题和预处理数据

坐标系统说明

  • GNSS/INS采用NED(北-东-地)坐标系
  • 激光雷达坐标系定义:X轴向后,Y轴向右,Z轴向上
  • 传感器间标定参数精确测量,包含位置偏移和姿态旋转

点云生成技术

使用LOAM算法框架进行点云建图,处理流程包括:

  1. 点云特征提取:分离角点和平面点特征
  2. 运动补偿:补偿车辆运动造成的点云畸变
  3. 地图优化:结合GNSS/INS信息进行全局优化
  4. 降采样处理:采用0.2米体素网格进行点云精简

数据集技术特点

  1. 多场景覆盖:完整包含城市典型复杂场景
  2. 时间同步精度:硬件级同步确保数据时间一致性
  3. 数据完整性:提供原始数据和处理后数据
  4. 坐标系明确:所有传感器坐标系关系清晰定义
  5. 动态物体标记:原始数据中包含动态物体信息

应用价值

该数据集特别适用于以下自动驾驶技术研发:

  • 无GNSS环境下的定位算法测试
  • 激光雷达建图算法评估
  • 多传感器融合系统验证
  • 自动驾驶系统在极端场景下的鲁棒性测试

技术挑战与解决方案

在数据采集和处理过程中,团队遇到了若干技术挑战:

  1. 时间同步问题:初期数据存在微小时间偏差,通过优化硬件连接和增加时间校验标记解决
  2. 动态物体干扰:采用基于运动一致性的滤波算法减少动态物体对地图的影响
  3. 大场景建图:使用MGRS投影坐标系处理大范围场景,避免坐标溢出
  4. 传感器标定:通过多位置观测和优化算法提高标定精度

数据集使用建议

对于希望使用该数据集的研究人员,建议:

  1. 首先了解各传感器的坐标系定义
  2. 注意GNSS/INS数据的后处理特性
  3. 对于定位测试,建议从部分场景开始逐步扩展到完整路线
  4. 可利用提供的不同特征点云进行算法针对性测试

该数据集的建立为Autoware框架的城市自动驾驶能力提升提供了重要的测试基础,特别是为隧道、桥梁等复杂场景下的定位算法开发提供了宝贵的真实数据支持。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
73
63
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.29 K
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
921
551
PaddleOCRPaddleOCR
飞桨多语言OCR工具包(实用超轻量OCR系统,支持80+种语言识别,提供数据标注与合成工具,支持服务器、移动端、嵌入式及IoT设备端的训练与部署) Awesome multilingual OCR toolkits based on PaddlePaddle (practical ultra lightweight OCR system, support 80+ languages recognition, provide data annotation and synthesis tools, support training and deployment among server, mobile, embedded and IoT devices)
Python
47
1
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
193
273
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
59
16