【行人轨迹预测数据集——ETH、UCY】
行人轨迹预测数据集——ETH、UCY
- 下载地址
- 文件介绍
- EWAP
- UCY
下载地址
ETH Walking Pedestrians (EWAP): BIWI Walking Pedestrians dataset
UCY: crowds dataset
ETH数据集之前的链接已经失效了,可以通过ETHz官网搜索关键词“walking pedestrians dataset”,我找到在Computer Vision Group->Research->Datasets(网页为ETH-datasets)
文件介绍
两个数据集均为鸟瞰视角,但不是SDD无人机的垂直视角,其实是屋顶视角。
EWAP的数据集包括两个sequence:eth和hotel
UCY的数据集包括三个sequence:student、univ和zara,还有分zara01,zara02等
EWAP
均为手动标注。作者原文为You’ll Never Walk Alone。
文件格式:
[frame_number pedestrian_ID pos_x pos_z pos_y v_x v_z v_y ]
其中,pos_z和v_z没有使用。
下载的文件说明都可以看README.md。
主要说一下H.txt:是单应性矩阵,可以参考Homography matrix(单应矩阵)简介,用来把图片里的标注坐标转换为真实世界的坐标。
UCY
可以参看crowd_file_format.txt文件。
各文件格式为:
[x y frame_number gaze_direction]
gaze_direction表示行人的观看方向(viewing direction),0表示向上看。
【行人轨迹预测数据集——ETH、UCY】相关推荐
- 自动驾驶之行人轨迹预测数据集
一. Real Data ETH: Univ. + Hotel; 750 pedestrians exhibiting complex interactions UCY: Zara01, Zara02 ...
- 行人轨迹预测ETH数据集坐标转换
前记 最近几天对CVPR2018的一篇行人轨迹预测Social GAN进行了复现,过程中发现ETH数据集中行人的坐标已经转为了世界坐标,因此无法进行可视化,询问博主后得知要通过单应矩阵H将世界坐标反转 ...
- 论文翻译 SGCN:Sparse Graph Convolution Network for Pedestrian Trajectory Prediction 用于行人轨迹预测的稀疏图卷积网络
SGCN:Sparse Graph Convolution Network for Pedestrian Trajectory Prediction 用于行人轨迹预测的稀疏图卷积网络 行人轨迹预测是自 ...
- 自动驾驶中的轨迹预测数据集汇总!
作者 | 冯偲 编辑 | 汽车人 原文链接:https://zhuanlan.zhihu.com/p/555618753 点击下方卡片,关注"自动驾驶之心"公众号 ADAS巨卷 ...
- CVPR 2018 Social GAN、CVPR 2019 Sophie、NIPS 2019 Social-BiGAT、CVPR 2019 Social Ways | 基于GAN的行人轨迹预测
目前广泛应用在行人轨迹预测领域的方法主要包括基于LSTM网络.GCN网络和GAN网络的轨迹预测方法,这些网络在训练完成后对同类型输入具有很好的适用性,拥有较高的轨迹预测精度.抽空整理下关于用GAN来做 ...
- 人工神经网络在行人轨迹预测上的应用
简 介: 行人轨迹预测是缓解交通拥堵.优化智能汽车驾驶决策的重要依据,在自动驾驶和智慧交通上有着广泛的应用前景.但在交通场景中,行人的运动轨迹不仅会受到本身意图的影响,还会受到周围行人.车辆的影响,所 ...
- 行人轨迹预测方法综述
[摘 要]随着深度学习技术的突破和大型数据集的提出,行人轨迹预测的准确度已经成为人工智能领域的研究热点之一.主要对行人轨迹预测的技术分类和研究现状进行详细的综述.根据模型建模方式的不同,将现有方法分 ...
- 【Argoverse 1 Motion Forecasting Dataset】轨迹预测数据集使用与评价指标
1.数据集数据分析 Argoverse 1https://www.argoverse.org/av1.html#forecasting-link下载对应的"Argoverse HD Maps ...
- 轨迹预测数据集:ETH数据集
数据集链接:https://data.vision.ee.ethz.ch/cvl/aess/ ETH数据集 数据集大致情况介绍 该数据集分为两个部分:前者主要为计算机视觉任务(如目标检测,目标跟踪等) ...
最新文章
- 集成、知识蒸馏和自蒸馏有区别?
- CentOS7安装bind域名服务
- OpenCV(C++版)图像读取,创建,复制,保存,显示
- pytest测试框架_带你深入理解自动化测试框架Pytest的配置文件!
- django models
- C# 通过窗口句柄为指定窗口发送指令(user32.dll,mshtml)
- 关于公众号文章搜索,有两个小技巧
- fiddler抓包HTTPS请求
- DELL 笔记本 触摸板 驱动安装 与 禁用启动
- 17届智能车竞赛技术报告 | 常熟理工学院-昆承湖二队
- 肿瘤信息学中一些专业词汇整理(不断更新ing)
- 初学JAVA项目(四、魔域:文字RPG游戏)
- 两位共阳极数码管c语言,89c51驱动两位共阳极数码管倒计时显示程序,60秒到30秒能实现,但从30秒到90秒不能实现,请高手帮忙!...
- 移动硬盘文件丢失如何找回?
- php的微信登录示例代码,关于微信用户注册登录实例代码汇总
- html5的技术串讲,Web前端开发职业标准串讲(初级).pdf
- 亲戚称呼计算机在线,亲戚称呼计算器
- 10本Linux PDF 书籍免费分享
- 微软的面试题及答案-超变态但是很经典(转)
- 我的2013:变化的角色,不变的心
热门文章
- 求一元多项式pn(x)=a(i)x^i(i~n的和)的值pn(x0),并确定算法中每一语句的执行次数和整个算法的时间复杂度。注意选择你认为较好的输入和输出方法。本题的输入为a(i)(i=0,1,.
- 腾讯QQ验证码识别dll,识别正确率95%+
- 螺栓扭矩查找表excel下载
- pytorch操作基礎(二)——基礎
- Spark:解析CSV文件并按列值分组
- 阿里巴巴一面问题搜集
- MySQL中IN和EXISTS的用法
- 英语发音规则---I字母常见发音组合有哪些
- 1_Qt的介绍和开始
- IE和Firefox浏览器CSS网页布局不同点