滴滴标志 & Udacity 标志
现在报名
滴滴标志 & Udacity 标志

第二届滴滴Di-Tech算法大赛

滴滴-Udacity
无人驾驶」大挑战

DiDi-Udacity Self-Driving Car Challenge 2017
  • 滴滴标志
  • Di-tech 标志
  • Udacity 标志
滴滴标志 & Udacity 标志

欢迎来到滴滴-Udacity“无人驾驶”大挑战 2017

竞赛规则

暂无排名信息

关于挑战赛

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。滴滴出行与优达学城(Udacity)携手举办“无人驾驶”大挑战,激励学生找出通过摄像头和 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 及摄像头拍摄原始数据,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,来让算法获得更好的表现。

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。大赛组委会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开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。虽然大赛组委会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。

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通过多个传感器采集的原始数据。参赛者需要识别车辆行进道路上的多个静止或运动障碍物的位置和大小。

第二阶段 - 车辆,行人

在第二阶段,参赛者还需要识别出车辆行进道路上的骑行者和行人,并得出障碍物、骑行者和行人的大致运动方向。

数据集/输入

3月23日更新

正式的测试数据集将与我们开发的训练数据集相似,只有部分与新传感器相关的少量变化。我们会努力让数据集格式与 Kitti 数据集相似。在 ROS 包中,除了会包括摄像头、Radar 和 LIDAR 数据,还会有拍摄车辆(装有上文提到的传感器)和每一个障碍物的 RTK GPS 信息。来自各个传感器的数据不是自动同步的,但我们很快会公布一个开源工具,可以让拍摄车辆和障碍物的位置坐标整合到拍摄图像框架中,并创建 XML tracklet 文档。

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。请注意,虽然大赛组委会发布的数据集与 Kitti 数据集接近,但会有一些改动:仍会有 Radar 数据,图像数据由一个面向正前方的单眼摄像头拍摄。我们还会针对挑战赛的具体情况,对数据格式做一定修改。参赛者应当努力寻求挑战赛问题的最优解决方案,而不是过拟合 Kitti 数据集的已有解决方案。

数据集由如下信息构成,它们以 10Hz 的频率采样及同步。

  • 初始(未同步的+未校正的)及处理过的(同步的+校正过的)灰阶立体序列(stereo sequences)(50 万像素,以 png 格式储存)
  • 初始(未同步的+未校正的)及处理过的(同步的+校正过的)彩色立体序列(50 万像素,以 png 格式储存)
  • Velodyne 扫描的 3D 点云(每帧(frame)100k 个点,以二进制浮点数矩阵格式储存)
  • GPS/IMU 的 3D 数据(位置、速度、加速度、元信息(meta-information),以文本文件储存)
  • 校准信息(相机校准,相机-GPS/IMU 校准,相机-Velodyne 校准,以文本文件储存)
  • 3D 物体追踪标记(包括 cars、trucks、trams、pedestrians、cyclists,以 xml 格式储存)

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“同步的且校正过的”文件。

参赛要求

参赛者需要使用以上提供的数据:

评估和评审标准

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,对于车辆和行人检测,我们均将使用平均的“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。你可以在 Kitti 对象检测评估页面找到关于数据集格式和评估步骤的详细说明,或者查看开发者工具包中的说明:点击此处

3月27日更新

要正式参与第一阶段和第二阶段的比赛和评审,你必须提交一个与图像帧同步后的 tracklet XML 文件,该文件代表了你对测试数据集的处理结果。第一阶段开放提交后,这个 XML 文件是用于量化方案优劣、决定团队排名的唯一指标。在 Udacity 山景城总部举行的决赛上,参赛团队需要提交一个 ROS 包/节点;它可以处理输入的摄像头图像,Radar 和 LIDAR 数据,得到的结果与你在排行榜上的结果相同。Python 和 C/C++ ROS 节点均被接受,但如官方规则所述,必须为实时的结果。

奖项

第一名 – US$100,000 现金奖(税前)

第二名 – US$3,000 现金奖(税前)

第三名 – US$1,500 现金奖(税前)

前五名 – 每支团队可以选出 2 名代表,前往美国硅谷优达学城总部参加颁奖典礼(优达学城将支付机票及住宿费用),并有机会将自己编写的代码在优达学城的无人驾驶车上运行。

时间表

各阶段提交截止日期如下(均为北京时间)。

3月8日 15:00 PM - 3月22日 14:59 PM 参赛者/参赛团队报名

挑战赛平台开放注册报名。

参赛者和参赛团队使用其优达学城账号报名,或注册新账号并报名。

参赛团队队长可以通过竞赛论坛招募成员。

3月22日 15:00 PM - 6月1日 14:59 PM 第一阶段

开放第一阶段数据集。

4月22日 14:59 PM 后,停止报名和创建新团队。

6月1日 14:59 PM 后,第一阶段提交截止。

6月1日 15:00 PM - 6月5日 14:59 PM 第一阶段代码评审

排名前 75 位的团队需要提交可运行的代码。

提交的代码将接受检查,确保没有作弊行为。

上述团队中,代码通过检查且排名前 50 位的团队将有资格进入第二阶段。

6月5日 15:00 PM - 7月4日 14:59 PM 第二阶段

开放第二阶段数据集。

6月27日 14:59 PM 后,参赛团队的成员无法变更。

7月4日 15:00 PM - 7月12日 最终评审

排名前列的团队成员需要提交有效身份证件及可运行的代码。

代码将接受审核,代码输出的得分将展示在实时排行榜上。

代码通过审核的排名前 5 位的团队将受邀前往美国硅谷参加颁奖典礼。

7月12日后 旅行准备

参加颁奖典礼的团队将有 5 周时间用于申请赴美签证。

时间待定 颁奖典礼

前 5 名团队向由优达学城和滴滴专家代表组成的评审团展示自己的方案,并有机会在优达学城的无人驾驶车上运行自己的代码。

规则

竞赛规则外,参赛者还需遵守以下规则:

参赛资格

请见竞赛规则,了解详细参赛资格与要求。

参赛团队

提交

奖项

条款和条件

要查看完整的条款和条件,请见此处