Cet article vise à créer et à publier un ensemble de données de stationnement autonome de haute qualité afin de pallier le manque de données publiques qui entrave la reproductibilité et l'analyse comparative de l'apprentissage de bout en bout pour le stationnement autonome. Grâce à cet ensemble de données, nous avons obtenu un taux de réussite de 85,16 %, une erreur de position moyenne de 0,24 mètre et une erreur d'orientation moyenne de 0,34 degré, en nous appuyant sur des modèles de stationnement basés sur la vision existants et sur des pipelines de génération de données, d'apprentissage et de tests en boucle fermée.
