本数据适用于对智能辅助驾驶中车载前视摄像头路采图像数据进行清洗，打标签，帮助辅助驾驶算法模型更准确地学习和理解不同场景、对象和情境，以提高算法模型的准确性，同时在面对新的、未见过的情况时也能做出准确的预测和决策。并且清洗和打标后的数据对智能辅助驾驶开发者进行后端算法模型验证、训练、迭代提升有着指导性的作用。
通过前视摄像头采集路面图像，在清洗和打标之前对图像进行预处理包括去噪、增强对比度等，使用目标检测算法来识别图像中的不同对象或目标；对图像进行分割，将图像中不同区域或对象标记和区分；识别出图像中目标或区域并标注，例如：从车底盘信号中获取每一时刻的速度、加速度、角速度信息后，通过平均、求方差等方式获得对应指标，同时结合时间长度计算其在一定速度范围内的占比；从底盘信号中获取来自于前视摄像头中各功能的触发信号，以判断是否存在功能触发以及对应的时间，基于深度学习的感知结果获取该连续帧片段感知检测的目标结果以及其ID。通过连续帧针对不同时刻的目标与自车的相对位置关系、相对朝向角关系和运动变化趋势等判断是否有车辆从邻道切入（cut-in）或者从前方切出到其他车道（cut-out），并通过深度学习感知结果判断其目标类型，通过其运动轨迹判断其来源方向以及其切入切出时的距离；基于深度学习感知算法结果统计每一时刻监测到的目标障碍物数量，统计无目标的时长占比；基于深度学习场景识别模型从图像中推理出当前场景属于白天/黑夜以及天气、道路状况；在进行标注后需要对数据进行清洗包括去除错误标注、噪声数据或者不准确的标记
| 字段名 | 类型 | 描述 |
|---|---|---|
数据包唯一标识 |
-- | -- |
meta:project |
-- | -- |
meta:product |
-- | -- |
info:filename |
-- | -- |
info:path |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 数据包唯一标识 | FVC2/B_sample/FVC2_WULING/02 - 10652（106 |
| meta:project | WULING |
| meta:product | FVC2 |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/37414