PandaSet 旨在促进和推进自主驾驶和机器学习的研发。 PandaSet 的特点是使用具有类似图像分辨率的前向激光雷达（PandarGT）和机械旋转激光雷达（Pandar64）收集数据。收集的数据采用长方体和分割标注（Scale 3D 传感器融合分割）相结合的方法进行标注。
该数据集包括 48,000 多个摄像头图像和 16,000 个激光雷达扫描点云图像（超过 100 个 8 秒场景) 。该数据集还包括每个场景的 28 个标注和大多数场景的 37 个语义分割标签。
PandaSet 旨在促进和推进自主驾驶和机器学习的研发。 PandaSet 的特点是使用具有类似图像分辨率的前向激光雷达（PandarGT）和机械旋转激光雷达（Pandar64）收集数据。收集的数据采用长方体和分割标注（Scale 3D 传感器融合分割）相结合的方法进行标注。
该数据集包括 48,000 多个摄像头图像和 16,000 个激光雷达扫描点云图像（超过 100 个 8 秒场景) 。该数据集还包括每个场景的 28 个标注和大多数场景的 37 个语义分割标签。
PandaSet 旨在促进和推进自主驾驶和机器学习的研发。 PandaSet 的特点是使用具有类似图像分辨率的前向激光雷达（PandarGT）和机械旋转激光雷达（Pandar64）收集数据。收集的数据采用长方体和分割标注（Scale 3D 传感器融合分割）相结合的方法进行标注。
该数据集包括 48,000 多个摄像头图像和 16,000 个激光雷达扫描点云图像（超过 100 个 8 秒场景) 。该数据集还包括每个场景的 28 个标注和大多数场景的 37 个语义分割标签。