KITTI 3D Object Detection Dataset

数据集构成

分为训练集与测试集， 分别包含7481和7518张图片， 每张图片有对应的点云数据。
其中， 只有训练集的ground truth被公布。
Ground truth的格式为：

对应的涵义为：

特点：

• 同时有2D和3D的位置标注， 且都是有方向的。
• 根据遮挡与截断程度分为Easy、Medium、Hard三个级别。
• 由于数据量的原因， 只考虑汽车、人与自行车三个类别。

Evaluation

与2D的检测问题一样， AP（Average Precision）是用于衡量算法性能的主要指标。 计算IoU时使用的维度不同， 得到的AP也不同。 常用的AP计算方式有三种：

• $A{P}_{2D}$: 将3D检测结果框映射到回2D 的Image View， 与图片上的2D ground truth计算IoU。
  [外链图片转存失败(img-7z12ypp6-1562296870539)(http://www.cvlibs.net/datasets/kitti/images/button_2dobject.png)]
• $A{P}_{3D}$：直接在3D空间计算检测结果与Ground truth的IoU。
  [外链图片转存失败(img-Ody7mvYj-1562296870541)(http://www.cvlibs.net/datasets/kitti/images/button_3dobject.png)]
• $A{P}_{BEV}$： 将3D检测结果与Gound truth映射到2D的鸟瞰图上再计算IoU。
  

但AP只考虑到检测结果的（分类和）位置上的表现， 不能衡量检测结果的方向是否正确。 所以还有另一个衡量指标 AOS, Average Orientation Similarity, 平均方向相似性， 用于衡量检测结果与Ground truth的方向相似程度。

AP的计算方式为：
A P = 1 11 ∑ r ∈ { 0 , 0.1 , … , 1.0 } max ⁡ r ^ : r ^ ≥ r P ( r ^ ) AP = \frac {1}{11} \sum_{r \in \{0, 0.1, \dots, 1.0\}} \max