适用于中国大学生无人驾驶方程式比赛动态赛的锥桶识别开源数据集。For English version: README.md
数据集依靠着大家的共同维护，我们需要你所在车队的一份贡献。针对目前国内各大车队的现状，我们设置了两种数据集获取方式：
1.已标注数据：我们设置了最低600张图片及标签的贡献量，在我们验证数据集的有效性之后，会将我们所有的数据集发给您；
2.未标注数据：对于部分成立时间较短、不满足实车拍摄数据集条件的车队，可发送邮件申请获取FSACOCO提供的未标注数据进行标注，然后根据已标注数据的获取方式进行回传，通过验证后可获取所有数据。
同时，我们也倡导各大车队将已有的数据集中的图像进行提取(我们提供提取script文件夹下的extract.py脚本从.bag文件中提取图像数据)，以每800张图片为一个压缩包的格式，扩充FSACOCO数据集的未标注数据集，此数据集应仅收录跑动状态下(即RES为go)状态下的数据。
为了解决大文件传输的不便，我们推荐您先将数据集上传到网盘 airportal(小于2G) 或百度网盘(大于2G)后再将下载码或链接通过邮件的形式发给我们，并标注好车队的中英文名字，邮箱地址是：[email protected]
MM-label-tool原始标注数据以及：
Darknet 使用归一化的图像尺寸，并按照 类别，中点，宽度和高度定义感兴趣区域（ROI）
# darknet-label.txt
0 0.255078125 0.545833333333 0.02421875 0.0583333333333
0 0.41328125 0.613194444444 0.040625 0.081944444444
0 0.81015625 0.780555555556 0.0734375 0.15
数据格式: [class index][mid_x][mid_y][width][height]
我们基于BBox-Label-Tool进行修改，提供了更好用的图像标注工具，在代码库的tools文件夹中，具体使用方法见文件夹下的README.md
数据格式
[# cones]
[minX][minY][maxX][maxY][labelname][dist_from_width][dist_from_height]
标注结果是绝对的像素值，可以通过scripts文件夹下的 conv_mml_to_darknet.py脚本转化成YOLO数据格式，需注意源码需要针对图片的路径和宽高进行修改。
标注框必须尽可能地靠近锥桶。
如下图所示，使用的锥桶必须符合大赛规则要求。
当前贡献数据集的车队：
福州大学无人驾驶方程式车队
北京航空航天大学AERO车队
西华大学无人驾驶方程式车队
湖南大学银翼无人驾驶方程式赛车队
武汉科技大学赤骥车队
湖北汽车工业学院无人驾驶方程式车队
长春大学无人驾驶方程式车队