{"name":"한국전자기술연구원_자율주행학습데이터","alternateName":"한국전자기술연구원_자율주행학습데이터_20231231","description":"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 가지 형식으로 구성되어 있다. 첫째, .npy 형식의 LiDAR 포인트 클라우드 데이터이며, 이는 NumPy 배열 형태로 각 프레임의 포인트 데이터를 저장한 것이다. 둘째, .txt 형식의 3D 레이블 파일로, 각 객체의 위치와 크기, 방향 및 클래스 정보를 포함한다. 라벨은 객체의 중심 좌표 (x, y, z)와 함께, length, width, height, orientation, 그리고 label의 순서로 구성되어 있다. orientation은 객체의 회전 각도(yaw)를 나타내며, label은 객체의 클래스명을 의미한다.  클래스는 총 4종으로 구성되며, 'Car'(일반 승용차), 'OtherCar'(버스, 트럭 등 기타 차량), 'Pedestrian'(보행자), 'Bike'(자전거 및 이륜차)로 구분된다. 본 데이터셋은 자율주행 관련 연구, 특히 3D 객체 인식 및 추적, 센서 기반 환경 인지, 경로 계획 알고리즘 학습 등에 활용될 수 있도록 구성되었다.","url":"https://www.data.go.kr/data/15144203/fileData.do","keywords":"자율주행,라이다,동적객체,3차원,학습데이터","license":"공공저작물 : 출처표시 (제 1유형)","dateCreated":"2025-07-02","dateModified":"2025-07-02","datePublished":"2025-07-02","creator":{"name":"한국전자기술연구원","contactPoint":{"contactType":"모빌리티플랫폼","telephone":"031-739-7423","@type":"ContactPoint"},"@type":"Organization"},"spatialCoverage":"대구","temporalCoverage":"2023년 1월-2023년 12월","additionalType":"과학기술 - 과학기술연구","datasetTimeInterval":"수시 (1회성 데이터)","encodingFormat":"TXT","legislation":"취득 차량 구축후 센서를 장착하고 실제 도로를 주행하면서 데이터를 로깅하였으며, 학습에 적용하기 위해 동적객체의 라벨링을 수해하였음. <br/><br/>-데이터 양<br/>  .7358 Frame<br/><br/>- 데이터 파일 <br/> . LiDAR Point Cloud 데이터 (.npy)<br/> . 3D 레이블 파일 (.txt)<br/>- 클래스 구분<br/> . 4종: Car, OtherCar, Pedestrian, Bike<br/>- 라벨 형식<br/> . x y z length width height orientation label","@context":"https://schema.org","@type":"Dataset"}