【数据科学赛】清华AIR-百度Apollo车路协同自动驾驶算法挑战赛 #计算机视觉目标检测 #¥80,000

CompHub 实时聚合多平台的数据类(Kaggle、天池…)和OJ类(Leetcode、牛客…）比赛。本账号会推送最新的比赛消息，欢迎关注！

更多比赛信息见 CompHub主页 或 点击文末阅读原文

---

以下内容摘录自比赛主页

Part1赛题介绍

题目

清华AIR-百度Apollo车路协同自动驾驶算法挑战赛

主办方

举办平台

百度AI Studio

背景

自动驾驶安全面临巨大挑战，单车智能存在驾驶盲区、中远距离感知不稳定等问题，导致自动驾驶车辆可运行设计域受限，单车智能自动驾驶落地受阻。车路协同将是保障自动驾驶安全运行的必由之路。而数据是车路协同自动驾驶的关键，为促进学术界和产业界共同打造数据驱动的车路协同自动驾驶，清华大学智能产业研究院（AIR）依托北京市高级别自动驾驶示范区，协同百度Apollo共同推出全球首个车路协同自动驾驶数据集DAIR-V2X，共同探索车路协同自动驾驶的落地模式。 清华AIR携手百度基于已开源的车路协同自动驾驶数据集DAIR-V2X共同举办首届车路协同3D目标检测挑战赛，在通信带宽约束下，车端融合路端信息，实现3D目标检测的视觉感知任务。与传统自动驾驶3D检测任务相比，本任务需要解决车端与路端多视角信息融合、数据多模态融合、时空异步、通信受限等挑战，通过设计车路融合感知算法，实现盲区补充、提升感知精度。

• 任务输入： 车端数据（图像、点云）、路端数据（图像、点云），以及对应的时间戳和标定文件。

• 任务输出： 车端感兴趣区域内的障碍物目标3D位置、朝向等。

参赛选手可以利用开源框架OpenDAIRV2X来熟悉和高效使用DAIR-V2X数据集。

Part2时间安排

时间	进程
2022.11.18 00:00:00	报名通道开启，开始报名
2022.11.26 00:00:00	发布A榜测试集数据，开放A榜评测入口
2023.02.13 23:59:59	截止比赛报名，关闭A榜评测入口
2023.02.14 14:00:00	发布B榜测试集数据，开放B榜评测入口
2023.02.17 17:59:59	关闭B榜评测入口
2023.02.18 00:00:00-2023.02.21 23:59:59	B榜榜单TOP20队伍提交代码复查
2023.02.22 00:00:00-2023.03.21 23:59:59	审查作品代码及作弊情况
2023.03.22	公布最终排名榜单
2023.3月下旬	颁奖及竞赛方案展示

• A榜阶段：每支队伍每天参与评测的提交次数不超过2次，A榜成功提交的队伍将有资格进入B榜阶段；

• B榜阶段：每支队伍每天参与评测的提交次数不超过1次。为保证比赛公平公正，同时规避作弊风险，举办方将对B榜获奖队伍进行模型及代码审查。

备注：代码复查材料包括：模型源代码以及项目介绍文档（包括但不限于开发团队简介、数据清洗逻辑、数据处理过程、模型搭建思路、算法实现详情、结果分析与优化、技术架构总结等）。

Part3奖励机制

名称	数量	奖金（税前）
一等奖	1个	人民币40,000元
二等奖	2个	人民币 10,000元/获奖队伍
三等奖	3个	人民币4,000元/获奖队伍
优胜奖	4个	人民币 2,000元/获奖队伍

备注： 一、二、三等奖及优胜奖队伍获奖后，奖金将会全部支付给本队队长，经队内自行协商分配。

绿色通道：

• 清华AIR实习工作绿色通道

• 有机会与行业大牛面对面

Part4赛题描述

车路协同3D检测任务

车路协同3D目标检测挑战赛，在通信带宽约束下，车端融合路端信息，实现3D目标检测的视觉感知任务。与传统自动驾驶3D检测任务相比，本任务需要解决车端与路端多视角信息融合、数据多模态融合、时空异步、通信受限等挑战，通过设计车路融合感知算法，实现盲区补充、提升感知精度。

问题建模

• 任务输入：车端数据（图像、点云）、路端数据（图像、点云），以及对应的时间戳和标定文件。

• 任务输出：车端感兴趣区域内的障碍物目标3D位置、朝向等。

参赛选手可以查阅数据集CVPR2022论文了解具体数据集情况，可以利用开源框架OpenDAIRV2X来熟悉和高效使用DAIR-V2X数据集。详细介绍见相关资料。

Part5评测指标

本次竞赛在同步测试集上（Dataset为VIC-Sync）考察指标，具体包括两方面：

• 1.目标检测精度(mAP)： 对标注类别car, bus, truck, van四个类别都当作一类car进行评价，计算3D 边界框的尺寸、 位置和置信度， 基于IoU=0.5阈值计算检测精度(Average Precision, AP) ，最终计算所有类别AP的平均值（mean Average Precision, mAP）；该指标由选手上传测试结果，竞赛平台自动给出评价。

• 2.数据传输消耗(AB，Average Byte)： 以字节数(Byte)度量车路融合检测过程使用的路端传输数据量；更少的数据传输可以降低带宽消耗，减少通信时延。

---