当前位置: 首页 > news >正文

智能驾驶汽车虚拟仿真视频数据理解(一)

赛题官网

datawhale 赛题介绍
跑通demo paddle
跑通demo torch
在这里插入图片描述
在这里插入图片描述

  • 提交的障碍物取最主要的那个?不考虑多物体提交。
  • 障碍物,尽可能选择状态发生变化的物体。如果没有明显变化的,则考虑周边的物体。
  • 车的状态最后趋于减速、停止,时序模型可能会影响结果。样本处理时有对运动做加速,但是视频剪辑没有剪得特别好,考虑中间主要的运动场景。
  • 注释文本:中英文。
  • 没有公开训练数据集,只有测试数据集。

五个样例,甚至30个测试样本也可以用来自己标注。
滴滴?

标签信息

在这里插入图片描述

“scerario” : [“suburbs”,“city street”,“expressway”,“tunnel”,“parking-lot”,“gas or charging stations”,“unknown”]
“weather” : [“clear”,“cloudy”,“raining”,“foggy”,“snowy”,“unknown”]
“period” : [“daytime”,“dawn or dusk”,“night”,“unknown”]
“road_structure” : [“normal”,“crossroads”,“T-junction”,“ramp”,“lane merging”,“parking lot entrance”,“round about”,“unknown”]
“general_obstacle” : [“nothing”,“speed bumper”,“traffic cone”,“water horse”,“stone”,“manhole cover”,“nothing”,“unknown”]
“abnormal_condition” : [“uneven”,“oil or water stain”,“standing water”,“cracked”,“nothing”,“unknown”]
“ego_car_behavior” : [“slow down”,“go straight”,“turn right”,“turn left”,“stop”,“U-turn”,“speed up”,“lane change”,“others”]
“closest_participants_type” : [“passenger car”,“bus”,“truck”,“pedestrain”,“policeman”,“nothing”,“others”,“unknown”]
“closest_participants_behavior” : [“slow down”,“go straight”,“turn right”,“turn left”,“stop”,“U-turn”,“speed up”,“lane change”,“others”]

上传json格式示例

{
"author" : "abc" ,
"time" : "YYMMDD",
"model" : "model_name",
"test_results" :[
{
"clip_id" : "xxxx_1",
"scerario" : "cityroad",
"weather":"unknown",
"period":"night",
"road_structure":"ramp",
"general_obstacle":"nothing",
"abnormal_condition":"nothing",
"ego_car_behavior":"turning right",
"closest_participants_type":"passenger car",
"closest_participants_behavior":"braking"
},
{
"clip_id" : "xxxx_2"
... ...
},
... ...
}

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

数据集

行人检测数据集(极市平台的补充版)
无人驾驶数据集使用指南2019

bdd100k

技术栈参考?

官方技术栈参考

下一步规划

clip
夏令营往期优秀笔记

解题思路

YOLO 目标检测

关键点

在这里插入图片描述

提取到关键点之后,做关键点匹配。
匹配有一个距离的计算,做暴力计算。
在这里插入图片描述

通过视频,做关键点匹配,判断左图到右图是否有旋转的变化?判断关键点的运动。

运动间隔

两帧的结果,查看变化,

车道线检测

识别道路路线,得到分割的结果,判断是不是直行,拐弯。

CLIP

OPENAI 开源的一个多模态模型.
自监督的方式训练文本对的对应关系。

可以做 zero-shot 的预测。

http://www.lryc.cn/news/236054.html

相关文章:

  • 事关Django的静态资源目录设置(Django的setting.py中的三句静态资源(static)目录设置语句分别是什么作用?)
  • Vue.js2+Cesium1.103.0 十四、绘制视锥,并可实时调整视锥姿态
  • 批量替换WordPress文章内图片链接
  • 关于DBMS_STATS.GATHER_DATABASE_STATS_JOB_PROC的一些发现
  • MatrixOne 支持多样化生态工具
  • 力扣刷题篇之位运算
  • asp.net core mvc 控制器使用配置
  • Hadoop学习总结(MapRdeuce的词频统计)
  • PPT基础入门
  • Java 语言关键字有哪些
  • Go vs Rust:文件上传性能比较
  • C# NAudio 音频库
  • springcloudalibaba-3
  • 异步复位同步释放与同步复位打拍
  • 使用Python进行二维图像的三维重建
  • go-zero微服务的使用
  • Java排序算法之基数排序
  • Ubuntu20.0中安装Gradle
  • 【Java并发编程六】多线程越界问题
  • 聊聊httpclient的disableConnectionState
  • Tomcat web.xml文件中的mime-mapping
  • 【Java 进阶篇】JQuery 事件绑定:`on` 与 `off` 的奇妙舞曲
  • 模块化Common JS 和 ES Module
  • 基于java web个人财务管理系统
  • soc估计:DESIGN AND DEVELOPMENT OF SoC ESTIMATION MODEL USING MACHINE LEARNING
  • 2、LeetCode之两数相加
  • redis三种集群方式
  • Java --- JVM之垃圾回收相关算法
  • CentOS 7.9 安装 nginx
  • Newman