# CVPR2023挑战赛之-开放车道拓扑信息（OpenLane Topology）的测试【1】

前言
OpenLane-V2数据集是一个自动驾驶场景结构的感知和推理基准。给定覆盖整个全景视场的多视图图像，参与者不仅需要提供车道和交通元素的感知结果，还需要同时提供车道之间以及车道与交通元素之间的拓扑关系。

• 车道关键元素识别

• 车道关键元素的拓扑关系识别

---

1. 挑战赛的评价指标

OpenlaneV2继第一个3D车道数据集OpenLane之后，提供了3D空间中的车道注释。不同的是，注释的不是车道线，而是车道中心线，这可以作为自动驾驶汽车的轨迹。此外，我们还提供了交通元素（红绿灯和路标）及其属性的注释，以及车道中心线之间、车道中心线与交通元素之间的拓扑关系。为了准确评价识别精度和拓扑关系的精准性，挑战赛建立了如下的评价指标：

指标主要包括两个部分：

• DET指标
  DET指标评价的是对车道关键标志、交通灯信号、车辆等元素目标检测模型和车道线分割精度的评估效果。

• TOP指标
  TOP指标评价的是拓扑关系的精准性评价。在给定多视图图像的情况下