-
실제 도로 환경과 유사한 가상환경에서 가상의 자율주행차 주변의 자동차, 보행자 등의 객체를 인식/검출하기 위한 인공지능 학습 데이터셋입니다.아래 링크에서 자세한 정보를 확인하실 수 있으며 협약서 작성 후 전체 데이터를 다운로드 받을 수 있습니다. - https://nanum.etri.re.kr/share/keti_mobility/SyntheticDataset5?lang=ko_KR본 데이터는
-
실제 도로 환경과 유사한 가상환경에서 가상의 자율주행차 주변의 자동차, 보행자 등의 객체를 인식/검출하기 위한 인공지능 학습 데이터셋입니다.데이터 생성에 사용된 센서의 종류는 FHD카메라(3대), 스캔 라이다(2대), Radar(1대), GPS/IMU(1대) 임아래 링크에서 자세한 정보를 확인하실 수 있으며 협약서 작성 후 전체 데이터를 다운로드 받을 수 있습니다.- https://nanum
-
인프라엣지에서 동적 객체를 3차원 Bounding Box 형태로 검출 및 주행궤적 예측을 위한 인공지능 학습 데이터 셋입니다.아래 링크에서 세부 정보를 확인하실 수 있으며 협약서 작성 후 전체 데이터를 다운로드 받을 수 있습니다.https://nanum.etri.re.kr/share/jwlee0121/DataStitchingLidarContinuousScene?lang=ko_KR상기 데이터는
-
본 데이터셋은 자율주행 차량을 활용하여 실제 도로에서 주행하며 수집한 센서 데이터를 기반으로 구축된 것이다. 차량에 LiDAR 센서를 장착한 후 다양한 환경에서 주행을 진행하였으며, 이 과정에서 총 7,358 프레임의 데이터를 로깅하였다. 수집된 데이터는 LiDAR 포인트 클라우드 형식으로 저장되었으며, 각 프레임에 등장하는 동적 객체들에 대해 3차원 라벨링 작업을 수행하였다.데이터는 두 가
-
인프라엣지에서 동적 객체를 3차원 Bounding Box 형태로 검출하기 위한 라이다 센서 기반 인공지능 학습 데이터셋입니다.아래 링크에서 세부 정보를 확인하실 수 있으며 협약서 작성 후 전체 데이터를 다운로드 받을 수 있습니다.https://nanum.etri.re.kr/share/jwlee0121/DataStitchingLidarObjectDetection?lang=ko_KR상기 데이터는
-
인프라엣지에서 동적 객체를 2차원 Bounding Box 형태로 검출하기 위한 인공지능 학습 데이터셋입니다.아래 링크에서 세부 정보를 확인하실 수 있으며, 협약서 작성 후 전체 데이터를 다운로드 받을 수 있습니다.https://nanum.etri.re.kr/share/jwlee0121/DataStitchingCameraObjectDetection?lang=ko_KR상기 데이터는 한국전자통신연
-
인프라엣지에서 동적 객체를 3차원 Bounding Box 형태로 검출하기 위한 라이다 센서 기반 인공지능 학습 데이터셋입니다.4개의 센서조립체에서 동시 획득한 포인트 클라우드 데이터를 스티칭하여 하나의 파일로 제공합니다.아래 링크에서 세부 정보를 확인하실 수 있으며 협약서 작성 후 전체 데이터를 다운로드 받을 수 있습니다.https://nanum.etri.re.kr/share/jwlee012
-
인프라엣지에서 동적 객체를 2차원 Bounding Box 형태로 검출 및 주행궤적 예측을 위한 인공지능 학습 데이터셋입니다.아래 링크에서 세부 정보를 확인하실 수 있으며, 협약서 작성 후 전체 데이터를 다운로드 받을 수 있습니다.https://nanum.etri.re.kr/share/jwlee0121/DataStitchingCameraContinuousScene?lang=ko_KR상기 데이터
-
인프라엣지에서 동적 객체를 3차원 Bounding Box 형태로 검출 및 주행궤적 예측을 위한 인공지능 학습 데이터 셋입니다.4개의 센서조립체에서 동시 획득한 포인트 클라우드 데이터를 스티칭하여 하나의 파일로 제공합니다.아래 링크에서 세부 정보를 확인하실 수 있으며 협약서 작성 후 전체 데이터를 다운로드 받을 수 있습니다.https://nanum.etri.re.kr/share/jwlee012