This paper presents a challenging multi-agent seasonal dataset collected by a fleet of Ford autonomous vehicles at different days and times during 2017-18. The vehicles traversed an average route of 66 km in Michigan that included a mix of driving scenarios such as the Detroit Airport, freeways, city-centers, university campus and suburban neighbourhoods, etc. Each vehicle used in this data collection is a Ford Fusion outfitted with an Applanix POS-LV GNSS system, four HDL-32E Velodyne 3D-lidar scanners, 6 Point Grey 1.3 MP Cameras arranged on the rooftop for 360-degree coverage and 1 Pointgrey 5 MP camera mounted behind the windshield for the forward field of view. We present the seasonal variation in weather, lighting, construction and traffic conditions experienced in dynamic urban environments. This dataset can help design robust algorithms for autonomous vehicles and multi-agent systems. Each log in the dataset is time-stamped and contains raw data from all the sensors, calibration values, pose trajectory, ground truth pose, and 3D maps. All data is available in Rosbag format that can be visualized, modified and applied using the open-source Robot Operating System (ROS). We also provide the output of state-of-the-art reflectivity-based localization for bench-marking purposes. The dataset can be freely downloaded at our website.

中文翻译：

---

福特多AV季节性数据集

本文介绍了福特自动驾驶车队在 2017-18 年不同日期和时间收集的具有挑战性的多智能体季节性数据集。这些车辆在密歇根州行驶的平均路线为 66 公里，其中包括底特律机场、高速公路、市中心、大学校园和郊区等多种驾驶场景。 此数据收集中使用的每辆车都是配备福特 Fusion 的配备 Applanix POS-LV GNSS 系统、四台 HDL-32E Velodyne 3D 激光雷达扫描仪、6 个 Point Grey 1.3 MP 摄像头布置在屋顶上以实现 360 度覆盖，1 个 Pointgrey 5 MP 摄像头安装在挡风玻璃后面以提供前视场. 我们展示了动态城市环境中天气、照明、建筑和交通条件的季节性变化。该数据集可以帮助为自动驾驶汽车和多代理系统设计稳健的算法。数据集中的每个日志都带有时间戳，并包含来自所有传感器的原始数据、校准值、姿态轨迹、地面实况姿态和 3D 地图。所有数据都以 Rosbag 格式提供，可以使用开源机器人操作系统 (ROS) 进行可视化、修改和应用。我们还提供最先进的基于反射率的定位输出，用于基准测试。数据集可以在我们的网站上免费下载。使用开源机器人操作系统 (ROS) 修改和应用。我们还提供最先进的基于反射率的定位输出，用于基准测试。数据集可以在我们的网站上免费下载。使用开源机器人操作系统 (ROS) 修改和应用。我们还提供最先进的基于反射率的定位输出，用于基准测试。数据集可以在我们的网站上免费下载。