• 자율주행 중 도로상의 장애물 및 도로 표면의 이상 상태를 영상기반으로 인식할 수 있는 인공지능 개발을 위한 데이터셋

• 도로 유지보수, 자율주행 회피 거동

• 자율주행 자동차가 주행 중 입는 손상을 최소화하고, 주행 가능 여부, 회피 여부 등 도로 상태 판단을 위한 학습 데이터 구축

   

• 300시간 이상 다양한 환경에서의 공사 중 도로 및 파손도로 영상
• 인공지능 학습 데이터 100만 장 이상

<이미지 원본>

<이미지 객체 검출>

<이미지 크랙 세그멘테이션>

• 자동차 주행 중 도로 상 장애물 및 도로 표면 이상 상태 인식 필요
• 낙하물, 포트홀, 크랙 등 도로 표면 파손 구역을 회피하여 주행하도록 함으로써 자동차가 주행 중 입는 손상 최소화
• 유지보수에 필요한 정보를 빠르게 취득하여 운전 환경 개선 및 비용 절
• AI 학습을 위해 다양한 도로에서의 장애물 및 도로 파손 데이터셋 필요

• 데이터 구성
  - 데이터 Naming
  ・ <차량구분>_<영상장치>_<동영상 No.>_<촬영일자>_<비식별화>_<카메라 No.>_<촬영지역>_<날씨구분>_<도로상태>_<촬영시간구분>_<png no>.PNG
  예) 2020년 10월30일 11시 30분, 부산에서 구름 낀 날씨에 촬영한 이미지
  V1F_HY_0002_20201030_113045_E_CHO_Busan_Cloud_Mainroad_Day_0005.png

  데이터 구조 표

  구분	이름	설명
  차량구분	V0F, V1F, V2F, ... VnF,	차량 및 운전자 고유번호
  영상장치	HY_0002, HY_0015, ...	동영상(1분, MP4) 고유 No.
  촬영일시	촬영일 : YYYY/MM/DD	(년월일)_20201118
  	촬영시간 : hh/mm/ss	시/분/초_131958
  비식별화	N / E	N : 비식별 X E : 비식별 O
  카메라(채널)	CH0, CH1, ...	카메라 위치, 채널 No.
  촬영 지역	Seoul / Busan	수도권, 광역시 구분
  날씨 구분	Sun / Cloud / Rain / Fog / Snow	맑음/흐림/비/안내/눈 등
  도로 상태	Frontback / Highway / Kidzone / Mainroad / Industrialroads	도심(골목길), 고속도로 어린이보호구역), 국(지방)도, 항만/공단
  촬영시간 구분	Day / Night / Sunrise / Sunset	낮/밤/일출/일몰 등
  PNG No.	_0005	이미지 생성시 PNG 번호

   

• 어노테이션 포맷

  어노테이션 포맷 표

  No		항목명	항목설명	타입	필수구분	단위
  1		데이터셋정보	데이터셋 전체에 관한 전반적인 정보를 포함하는 메타데이터	object
  1	1-1	데이터셋명		String	Y
  	1-2	데이터셋상세설명		String
  	1-3	데이터셋URL		String
  	1-4	데이터셋생성일자		String	Y
  2		이미지정보	데이터셋을 구성하는 각 이미지에 대한 메타데이터 및 학습 데이터	List
  2	2-1	이미지식별자		String	Y
  	2-2	이미지너비		Number	Y	pixel
  	2-3	이미지높이		Number	Y	pixel
  	2-4	이미지파일명		String	Y
  	2-5	이미지라이선스		String
  	2-6	이미지촬영일자		String
  	2-7	이미지촬영날씨		String	Y
  	2-8	이미지촬영시간대		String	Y
  	2-9	원본영상정보		String	Y
  	2-10	프레임순서		String	Y
  3		어노테이션정보	데이터셋의 어노테이션에 대한 메타데이터 및 학습 데이터	List
  3	3-1	어노테이션식별자		String	Y
  	3-2	연관이미지식별자		String	Y
  	3-3	어노테이션속성		Object
  	3-4	어노테이션 바운딩박스		List
  	3-5	어노테이션 이미지		Image

수행기관(주관) : 건국대학교 산학협력단

수행기관(참여)