Nexdata 推出具備 2D、3D、4D 標註的自動駕駛數據集

日本最大型的 AI 訓練數據供應商之一 Nexdata 今日宣佈，推出針對日本自動駕駛及 ADAS（先進駕駛輔助系統）開發所優化的高精度訓練數據集。

背景：自動駕駛開發中「行駛數據」的短缺
目前，在自動駕駛演算法的開發領域中，訓練數據的「質量」與「區域適應性」與「數量」一樣，是提升性能的關鍵。特別是在日本，擁有獨特的道路標誌規格、複雜的市區環境以及嚴格的交通規則，導致在海外收集的通用數據集難以提升在真實環境中的識別精度。此外，難以採購能夠橫向同步 2D 影像、3D 點雲與時序車道資訊的多模態數據，這使得開發團隊必須投入大量資源進行數據收集與預處理。

解決方案：採集自真實世界的「即戰力」數據集
Nexdata 基於在日本國內實際道路環境中所採集的行駛數據，開發了這套自動駕駛多模態數據集。該數據集透過從數據收集、標註、品質驗證到交付的一條龍閉環管理體系，提供開發現場可立即投入使用的實戰性訓練數據。

數據集概要
此多模態標註數據集是透過實際車輛行駛於日本城鎮與沿海道路所採集，將 LiDAR 點雲、6 視角同步 RGB 相機、RTK-GNSS/IMU 以及 CAN 匯流排訊號進行毫秒級的同步錄製。
由於完整搭載了高精度 3D 物體追蹤框、4D 車道識別標註以及 2D 交通標誌檢測數據，可用於提升環境識別模型的學習效率、驗證物體追蹤演算法的精度、支援 HD 地圖建置以及 ADAS 功能的實證實驗。

標註內容
- 2D 交通標誌：涵蓋日本國內運用的法規、指示與警告標誌。支援日文與英文雙語標籤（例：通行止め / Road Closed），標準配備高精度 2D 邊界框、類別屬性與狀態標記（對應夜間、污損、遮蔽情況）。影像提供 4K 解析度（4096×2160），標註以 JSON 格式提供。
- 3D Bbox 點雲：由 6 台 4K 車載相機、16 線 LiDAR 與 IMU/GNSS 進行時空同步（微秒級）錄製。提供車輛、行人、二輪車、障礙物等 3D 邊界框標註。隨附外部與內部參數校正檔案（calib.yaml），可立即啟動感測器融合模型的學習。
- 4D 車道識別：提供將多個 LiDAR 幀進行高精度疊加的「時序點雲地圖」，而非單一幀數據。能不中斷且清晰地重現白線與黃線的形狀，並利用反射強度（Intensity）資訊，提升車道檢測演算法的學習效率。同時支援 HD 地圖向量數據的生成。

應用場景
- 自動駕駛演算法開發（物體檢測、車道識別、標誌理解）
- ADAS 功能驗證（AEB、LKA、ACC 等評估用測試數據）
- 模擬環境建置（基於真實世界數據的虛擬空間再現）

可客製化服務
本數據集亦提供客製化服務，可根據客戶具體的開發需求與驗證情境，靈活調整收集區域、天氣條件、標註項目及數據格式。