OpenLane是ECCV2022 Persformer论文中发布的业内第一个大规模真实世界3D车道数据集，构建于自动驾驶领域内主流的公开数据集Waymo Open Dataset，具有高质量的注释和丰富的场景。OpenLane包含20万帧、超过88万条实例级车道、14个车道类别（单白色虚线、双黄色实体、左/右路边等），以及场景标签和路线邻近目标（CIPO）注释，以鼓励开发车道检测和更多与工业相关的自动驾驶方法。
https://github.com/OpenDriveLab/OpenLane
数据标注
车道注释
- 车道形状：每个2D/3D车道显示为一组2D/3D点。
- 车道类别：每条车道都有一个类别，例如双黄线或路缘。
- 车道属性：某些车道具有右、左等属性。
- 车道跟踪ID：除路缘外，每条车道都有唯一的ID。
- 停车线和路缘。
更多标注准则请参考Lane Anno Criterion。
CIPO/场景注释
- 2D Bbox：其类别表示对象的重要性级别。
- Scene：描述了在哪个场景中收集此帧。
- Weather：描述了在什么天气下收集此帧。
- Hours：注释了收集此帧的时间。
更多标注标准请参考CIPO Anno Criterion。
数据集对比
下表是OpenLane和其他车道线数据集的比较：
Comparison of OpenLane with existing benchmarks.
OpenLane排行榜
为了方便对比，作者团队在paperwithcode网站上维护了一个排行榜，可以查看对比不同方法在该数据集上的性能指标。
https://paperswithcode.com/sota/3d-lane-detection-on-openlane
相关工作汇总
3D车道检测方法出现，解决了许多自动驾驶场景（上坡/下坡、颠簸等）中车道布局不准确估计的问题。github上维护了一个3D车道线检测工作的paper list，用于跟踪最新的相关工作进展。
https://github.com/JiaweiZhao-git/Awesome-3D-Lane-Detection
