KITTI Road

KITTI Road 是道路和车道估计基准，由 289 个训练图像和 290 个测试图像组成。它包含三种不同类别的道路场景： * uu - 城市未标记 (98/100) * um - 城市标记 (95/96) * umm - 城市多标记车道 (96/94) * 城市 - 地面以上三者的组合事实已通过图像的手动注释生成，可用于两种不同的道路地形类型：道路 - 道路区域，即所有车道的组成，车道 - 自我车道，即车辆当前所在的车道继续行驶（仅适用于“嗯”类别）。地面实况仅用于训练图像。

KITTI Road is a benchmark for road and lane estimation, consisting of 289 training images and 290 test images. It includes three distinct categories of road scenes:
* uu - Urban Unmarked (98/100)
* um - Urban Marked (95/96)
* umm - Urban Multi-marked Lanes (96/94)
The ground truth for the combination of the three aforementioned urban scenario types has been generated via manual annotation of the images, and can be applied to two different road terrain types:
- Road: Road area, which constitutes all driving lanes
- Lane: Ego-lane, i.e., the lane that the host vehicle is currently driving in (only applicable to the "um" category).
All ground truth annotations are only provided for the training images.

搜集汇总

背景与挑战

背景概述

KITTI Road是一个专注于道路和车道估计的自动驾驶数据集，包含289个训练图像和290个测试图像，覆盖城市未标记、城市标记和城市多标记车道三种场景类别。该数据集提供手动注释的地面实况，适用于语义分割和场景理解任务，主要用于评估道路检测算法，由本田欧洲研究所和马克斯普朗克智能系统研究所于2013年发布。