赛题详情(ASAPS)

对无人驾驶车而言,最重要的是能够理解周围环境并做出相应决策,保证行车安全。参赛者需要努力找到通过摄像头和 LIDAR 数据检测道路上的障碍物的最好方法。最终的系统应该能够识别行人、车辆和普通障碍物,对人类驾驶员和无人驾驶系统都有很大帮助。参赛者需要处理 LIDAR、RADAR及摄像头原始数据,输出障碍物位置、移除噪音和环境错误检测。参赛者可以利用已经较为完善的 Kitti 数据集,在现有技术的基础上,加入自己的新方法和手段,来获得更好的表现。
具体来说,我们将使用 Kitti 对象检测评估基准来为参赛者排名。本次比赛将针对此挑战赛设立专用的排行榜,我们将使用标准对象检测开发包来评估参赛者的代码方案,就像在学术界和工业届所做的那样。
我们将开放用于测试和训练的数据集,数据集将根据 Kitti 标准准备。参赛者可以使用任何相关工具来处理和评估自己的方案。虽然大赛目前仍在制定挑战赛专用数据集,你现在就可以使用 Kitti 数据开始为竞赛做准备。

阶段内容

第一阶段 - 车辆
在第一阶段,我们将向参赛者提供在一辆行进中的汽车上采集的原始数据。参赛者需要识别车辆行进道路上的多个静止或运动物体的距离和大致移动方向及速度。
第二阶段 - 车辆,行人
在第二阶段,除了静止和运动的物体,参赛者还需要识别出在车辆行进道路上的行人。

数据集/输入

训练数据将会镜像 Kitti 数据集,参与者们能够使用其中的数据来训练及改良他们的模型。如下是摘自 Kitti 原数据网站关于可用数据的详细描述。
数据集由如下信息构成,它们以 10Hz 的频率采样及同步。
其中,未同步的+未校正的(unsynced+unrectified)是指,在原输入帧中,图像出现扭曲失真,帧序列可能不一致。而同步的+校正过的(synced+rectified)则指,经过处理后的数据中,图像经过校正而不失真,并且在所有的传感器流中信息帧数相匹配。在两种情况下,文件都将包含时间戳(timestamps)。大部分人仅需要同步的+校正过的文件。

要求

参赛者需要使用以上提供的数据:

提交

评估和评判标准

我们将使用 Kitti 在他们 CVPR 2012 文章中提到的方法,即使用 PASCAL 标准进行对象检测和方向估测表现,对参赛者的提交进行自动评估。更具体地说,我们将使用“中度(Moderate)”评估参数进行排名,你可以在对象检测评估基准页面上找到详细说明。进行排名时,我们将使用“对象检测和方向估测评估”的中度参数进行排名。目前,中度参数的记录由 Deep MANTA 保持,分数为 89.73%。你可以在 Kitti 对象检测评估页面找到详细的关于数据集格式和评估步骤的说明,或者查看开发者工具包中的说明:点击此处