Waymo开放数据集标注规范详解：3D与2D目标标注指南
【免费下载链接】waymo-open-datasetWaymo Open Dataset项目地址: https://gitcode.com/gh_mirrors/wa/waymo-open-dataset
前言
Waymo开放数据集作为自动驾驶领域的重要资源，其标注规范的严谨性直接关系到数据集的实用价值。本文将深入解析该数据集中的3D和2D标注规范，帮助研究人员和开发者更好地理解和使用这一宝贵资源。
3D标注规范概述
通用原则
在3D标注中，标注人员需要遵循以下核心原则：
- 紧密贴合原则：3D边界框必须尽可能紧密地贴合激光雷达点云中的物体轮廓，包含物体所有可见部分
- 最佳估计原则：当物体被遮挡导致数据不足时，允许基于现有信息进行合理估计
标注对象类型
数据集主要标注四类对象：
- 车辆（Vehicles）
- 行人（Pedestrians）
- 骑行者（Cyclists）
- 道路标志（Signs）
无标注区域（No Label Zones）
某些区域会被标记为无标注区域，主要包括：
- 与自动驾驶车辆当前行驶无关的区域（如高速公路对侧）
- 包含大量无关物体的区域（如路侧停车场）
各类对象的详细标注规范
车辆标注规范
标注范围
- 包含：所有可识别为车辆的物体（包括摩托车及骑手）
- 排除：火车、有轨电车等轨道交通车辆
3D边界框绘制细则
包含部件：
- 侧视镜
- 车顶行李架、自行车架等外部附件
- 打开的引擎盖/后备箱
排除部件：
- 天线、小旗子等小型突出物
- 打开的车门（包括后备箱门、油箱盖等）
特殊处理：
- 拖挂车辆：分别标注牵引车和拖车
- 工程车辆：液压臂等可动附件单独标注
行人标注规范
标注范围
包含：
- 步行者
- 使用滑板车、电动滑板车、滑板等代步工具的人员
- 站在车顶或卡车平板上的行人
排除：
- 车内乘客
- 自行车骑行者
- 人体模型、广告牌等非真实行人
3D边界框绘制细则
合并标注：
- 携带小型物品（<2m）的行人
- 使用代步工具的行人
分离标注：
- 推婴儿车的情况：分别标注行人和婴儿
- 携带大型物品（≥2m）的情况：不包含物品
骑行者标注规范
标注范围
包含：
- 所有正在骑行的自行车、三轮车等
- 儿童骑行玩具车
排除：
- 停放或无骑手的自行车
- 正在上下车的骑行者（按实际状态标注为行人或骑行者）
3D边界框绘制细则
- 必须同时包含骑手和自行车
- 后部小型附件（如儿童座椅）包含在边界框内
道路标志标注规范
标注范围
- 包含：所有道路指示标志（如停车标志、限速标志等）
- 排除：路名牌、商业广告牌等非道路标志
3D边界框绘制细则
- 仅包含标志信息显示部分，不包含支撑杆
- 双面标志：分别标注为两个对象（方向相反）
2D标注规范概述
通用原则
- 可见性原则：仅标注图像中可见部分，不估计被遮挡部分
- 追踪连续性：对同一物体在整个视频序列中保持单一轨迹
标注对象类型
与3D标注类似，但仅包含：
- 车辆
- 行人
- 骑行者
2D与3D标注的异同
| 特征 | 3D标注 | 2D标注 |
|---|---|---|
| 数据源 | 激光雷达点云 | 相机图像 |
- 标注维度 | 三维空间 | 二维图像 |
- 遮挡处理 | 允许估计 | 仅标注可见部分 |
- 标注类型 | 4类 | 3类 |
- 追踪要求 | 无明确要求 | 要求视频序列追踪 |
点云语义分割标注
类别体系
Waymo数据集采用精细的语义分割类别体系，包含20+个类别：
- 动态物体：CAR、PEDESTRIAN、CYCLIST
- 静态物体：SIGN、LANE_MARKER、BUILDING
- 道路要素：ROAD、SIDEWALK、VEGETATION
颜色编码
语义分割结果通过颜色编码区分不同类别：
- 蓝色：车辆（CAR）
- 粉色：行人（PEDESTRIAN）
- 绿色：交通标志（SIGN）
动态目标跟踪与匹配
多帧目标匹配
Waymo数据集通过PEM（Prediction Error Minimization）算法实现多帧目标匹配：
- 蓝色矩形框表示不同的目标组
- 红色点表示具体的行人位置
- 通过重叠关系实现轨迹追踪
实际应用建议
数据使用
理解标注规范有助于正确解读数据集中的标注信息，特别是在处理3D边界框和点云数据时。
模型训练
针对不同任务选择合适的标注类型：
- 3D目标检测：使用3D边界框标注
- 语义分割：使用点云语义标注
- 目标跟踪：使用多帧匹配标注
算法评估
注意标注的局限性，特别是在遮挡情况下的估计可能存在误差。
结语
Waymo开放数据集的标注规范体现了自动驾驶感知任务的现实挑战和技术细节。深入理解这些规范，将帮助研究者更有效地利用这一高质量数据集，推动自动驾驶技术的发展。
通过本文的详细解读，希望读者能够准确把握数据集中各类标注的精确定义和应用场景，为后续的研究和开发工作奠定坚实基础。
【免费下载链接】waymo-open-datasetWaymo Open Dataset项目地址: https://gitcode.com/gh_mirrors/wa/waymo-open-dataset
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
