VasilchikovAV/Mobile_path_passability_dataset

Mobile Path Passability Dataset

Описание

Датасет предназначен для экспериментов по сегментации свободного пространства и препятствий на кадрах, снятых с монокулярной RGB-камеры смартфона. Практический сценарий связан с предварительной оценкой проходимости локального пути по изображению от первого лица для мобильной платформы, ассистивного устройства или навигационной системы.

Кадры получены из собственных видеозаписей, снятых в помещениях и на улице. В набор вошли коридоры, проходы, дворовые дорожки, зоны у ворот, участки с бытовыми препятствиями и статическими границами. Разметка выполнена вручную в CVAT и сохранена в COCO-формате.

Датасет содержит только извлеченные изображения и аннотации. Исходные видеофайлы не публикуются. Имена исходных видео сохранены только как идентификаторы сцен, чтобы было понятно, из каких съемок получены кадры и как выполнено разбиение train/val/test.

Состав

• 994 изображения.
• 30 исходных видеосцен, представленных идентификаторами исходных видео.
• Разрешение кадров составляет 1280 x 2276.
• 1684 COCO-аннотации.
• 994 маски класса free_space.
• 690 аннотаций класса obstacle.

Геометрические классы COCO:

• free_space обозначает область пола, земли, плитки или дорожки, потенциально доступную для движения.
• obstacle обозначает отдельные препятствия, например коробки, чемодан, стул, мебель или низкие предметы.

Дополнительно для каждого кадра задан бинарный кадровый статус:

• clear означает, что видимый путь доступен для движения без выраженного ближайшего ограничения.
• constrained означает, что путь ограничен препятствием, статической границей, ограниченным проходом или другой причиной, из-за которой требуется коррекция траектории или прямое движение затруднено.

Стены, бордюры, ограждения и другие статические границы не всегда размечаются как отдельный объект obstacle. В таких случаях ограничение прохода отражается формой маски free_space и полем main_obstacle, например static_boundary.

Поле scene описывает тип съемочной ситуации и не является целевым классом модели. Целевые кадровые статусы находятся только в поле status.

Разбиение

Разбиение выполнено по исходным видеосценам, а не случайно по отдельным кадрам. Это уменьшает риск завышенных метрик из-за похожих соседних кадров из одного видео.

split	images	source videos	clear	constrained
train	696	21	132	564
val	155	5	28	127
test	143	4	29	114

Все изображения лежат в одной папке images/. Они не разнесены физически по папкам train/, val/ и test, чтобы сохранить единые пути в COCO-аннотациях и не дублировать файлы. Принадлежность изображения к split задана в metadata.csv, splits/split.csv и текстовых списках в папке splits/.

Структура файлов

dataset_hf_upload/
  images/
    *.jpg
  annotations/
    instances_all.json
    instances_train.json
    instances_val.json
    instances_test.json
    frame_labels.csv
    dataset_summary.json
  splits/
    split.csv
    split_summary.json
    train.txt
    val.txt
    test.txt
    train_videos.txt
    val_videos.txt
    test_videos.txt
  metadata.csv
  README.md

Назначение файлов

• images/*.jpg содержит все опубликованные кадры.
• annotations/instances_all.json содержит полную COCO-разметку для всех изображений.
• annotations/instances_train.json, annotations/instances_val.json, annotations/instances_test.json содержат COCO-разметку для отдельных split.
• annotations/frame_labels.csv содержит кадровые метаданные, включая status, main_obstacle, scene и source_video.
• annotations/dataset_summary.json содержит общую статистику датасета.
• metadata.csv содержит одну строку на изображение и удобен для просмотра датасета как таблицы на Hugging Face.
• splits/split.csv является основной таблицей разбиения изображений на train, val и test.
• splits/train.txt, splits/val.txt, splits/test.txt содержат списки изображений для каждого split.
• splits/train_videos.txt, splits/val_videos.txt, splits/test_videos.txt содержат идентификаторы исходных видеосцен, попавших в каждый split. Сами видеофайлы в датасет не включены.
• splits/split_summary.json содержит краткую статистику по split.

Использование

Для обучения сегментационных моделей можно использовать COCO-файлы из папки annotations/. Если нужен полный набор, используйте instances_all.json. Если нужно воспроизвести экспериментальное разбиение, используйте instances_train.json, instances_val.json и instances_test.json.

Для быстрого анализа состава датасета удобно использовать metadata.csv или annotations/frame_labels.csv. Основные поля:

• file_name содержит относительный путь к изображению.
• split принимает значения train, val или test.
• source_video содержит идентификатор исходной видеосцены.
• scene описывает тип сцены.
• status содержит бинарную метку clear или constrained.
• main_obstacle описывает основной тип препятствия или причину ограничения.
• num_free_space_annotations и num_obstacle_annotations содержат число COCO-аннотаций на кадре.

English Summary

This dataset contains 994 RGB frames extracted from smartphone videos for navigable free-space segmentation, obstacle detection, and binary frame-level path passability analysis. The annotations were created manually in CVAT and exported in COCO format. The frame-level status labels are clear and constrained. Train, validation, and test subsets are split by source video identifiers to reduce leakage between visually similar neighboring frames. Raw source videos are not included.

License

This dataset is released under the Creative Commons Attribution-NonCommercial 4.0 International license (CC BY-NC 4.0).

The dataset is intended for educational and research use. If you use it in academic work, please cite the dataset repository.