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。

我们将使用 Udacity 的 Intersection over Union (IoU) 评估标准,参赛者在此标准下获得的分数越高越好。大赛组委会将设立挑战赛专用排行榜,我们还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。

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。参赛者需要识别出车辆行进道路上的一个移动障碍物的位置。

第二阶段 - 车辆,行人

在第二阶段,除障碍物外,参赛者还需要识别出车辆行进道路上的行人,并得出障碍物和行人的大小和大致运动方向。

数据集/输入

训练数据将会类似于 Kitti 数据集。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。

数据集格式为 ROS 包文档,包括以下信息:

  • 灰阶立体序列(stereo sequences)(50 万像素,png 格式)
  • 彩色立体序列(50 万像素,png 格式)
  • 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)

参赛者可使用此脚本来同步数据,令数据更加接近 Kitti 格式。这个脚本可以把障碍物和数据收集车辆的位置插入到摄像头图像帧中,最终得到 XML tracklet 文档。

ROS Node Info

Resources for writing your own node:

You should subscribe to the sensor data (`radar`, `camera`, `velodyne`) and publish a `PoseArray` message for obstacle position and orientation.

You should be able to publish at a frequency equal to the slowest sensor. For example, if the frequency of `radar`, `camera`, and `velodyne` messages are 50Hz, 24Hz, and 10Hz, respectively, then your node should be able to publish at 10Hz at the very least. This means, each call to prediction should not take more than 100ms. Once you receive data from the slowest sensor, you should be able to output your prediction within the next 100ms.

`radar` tracks are a special message type which is not a part of ROS standard lib. You can view the msg format 此处

Resources for using custom messages:

第一阶段数据

以下是已发布的第一阶段数据集:

说明

由于在第一阶段,我们并不评估障碍物运动方向,因此我们使用一个圆球形边界框 IOU 来最小化方向的影响。也就是说,对所有参赛者而言,重叠不会很严重,且是统一的。

校准包可以在这里下载。参赛者可使用这个包校准不同传感器来源的数据。

第二阶段数据集

以下是已发布的第二阶段数据集:

说明

要求与条件

使用以上所提供的数据,参赛者需要满足以下要求:

提交,评估和评审标准

我们将使用在竞赛文档说明的 Intersection over Union (IoU) 评估标准,对参赛者提交的代码进行自动评估。查看竞赛文档

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。

要成功晋级第二阶段,参赛团队必须在第一阶段提交截止前,提交其预测代码和 ROS 节点。大赛组委会进行对其检查,不过,并不需要计算实时代码评估得分。

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。

在这个GitHub 代码库中,你可以找到开始构建你的算法方案所需的相关数据和代码。要从已经公布的数据集生成 XML tracklet 文档(标记数据),请查看 /tracklet 文件夹中的 Docker 代码。要了解传感器转换信息,请前往 /mkz-description 文件夹。

请注意,你需要对代码做些修改,才可以将其用于数据集 1 以生成 XML tracklet 文档。因为我们在数据收集车辆上新安装了 RTK GPS 接收器,以确定障碍物运动方向。我们会在4月4日前发布工具,用于数据集 2 及确定运动方向。

资源

起步指南

这些我们已经开源的项目可能对你会有帮助:

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

奖项

条款和条件

要查看完整的条款和条件,请见此处