VAMLAV
För många AI-system finns det en hög efterfrågan på bra datamängder för datorseende. Det finns endast ett fåtal datamängder på marknaden idag som är gratis och öppna. Syftet med VAMLAV-projektet - Validering av kartläggning och lokalisering för autonoma fordon - är att skapa en ny datamängd som är fri och öppen för intressenter, och som även innehåller HD-kartor som inkluderar förändringar i miljön.
Syfte
Målet med projektet är att ge andra partners chansen att bidra till datamängden på landsvägstestspåret på AstaZero.
VAMLAV kommer att utveckla en HD-karta över landsvägen genom att använda den befintliga mätinfrastrukturen som specifikt installerats på testspåret för att mäta positioner, och genom att designa och installera ankarpunkter. VAMLAV kommer också att samla in data från de specifika sensorerna för datamängden.
Datamängden som kommer att skapas i projektet är huvudsakligen avsedd att användas på VAMLAV för att validera och testa teknik för kartgenerering och system för lokalisering/positionering.
Denna nya datamängd kommer att inkludera förändringar i testmiljön, en motsvarande HD-karta, och effekterna av upprepad körning runt samma testspår. Genom att göra datamängden öppen möjliggörs flera andra forskningsområden och detta skapar möjligheten för crowdsourcing med VAMLAV:s datamängd.
Projektteam
AstaZero är ansvarigt för projektledning och AI Sweden iför distribution av datamängden och att hjälpa till att sprida kunskap om datamängden till sina partners inom den akademiska, offentliga och industriella sektorn. RISE kommer att bidra med expertis om referenssystem, GNSS samt kunskap i uppskattning och beräkning av mätosäkerheter. Zenseact (tidigare Zenuity) kommer att bidra till att validera kartor, datainsamling och lokalisering och ge input om ankarpunkter.
Resultat: VAMLAV Dataset
Facts
Projektpartners: Lindholmen Science Park, AstaZero AB, RISE, Zenseact (tidigare Zenuity). Detta projekt finansieras av Vinnovas FFI Program
Projektperiod: 20191001 - 20210930
Kontakt
