KITTI数据集中的3D Detection数据集详情

数据集内容

包含7481张训练图片以及7518张测试图片，一共有80256个标记物体

并且测试模式包含普通的视角以及鸟瞰视角（Bird Eye’s View, BEV）

任务

这里主要针对Kitti数据集的3D检测任务，分为3类：

（1）简单：最小的box高度为40px，不出现遮挡，最大box重叠比例为15%

（2）中等：最小的box高度为25px，最多出现部分遮挡，最大box重叠比例为30%

（3）困难：最小的box高度为25px，最多出现几乎完全遮挡，最大box重叠比例为50%

算mAP的时候，对于Car一般使用IoU=0.7，对于行人Pedestrain以及骑行者Cyclists使用IoU=0.5

一般的度量指标，这里分别对于

• 3D Object detection
• 3D Object detection (BEV)

都有mAP，mAP-BEV以及AOS

mAP和mAP-BEV的区别在于，是否是利用鸟瞰图来计算IoU，其形式也相同，为：

A P = T P T P + F P AP = \frac{TP}{TP+FP} AP=TP+FPTP​

m A P = 1 40 ∑ i = 1 40 A P i mAP=\frac{1}{40}\sum_{i=1}^{40}{AP_i} mAP=401​i=1∑40​APi​

其中 A P i AP_i APi​代表 r e c a l l = i 40 recall=\frac{i}{40} recall=40i​时候的AP

AOS用来度量方向的精度

A O S = 1 40 ∑ i = 1 40 m a x r ∗ : r ∗ ≥ r S ( r ∗ ) AOS=\frac{1}{40}\sum_{i=1}^{40}{max_{r_* : r_* \geq r} S(r_* )} AOS=401​i=1∑40​maxr∗​:r∗​≥r​S(r∗​)

S ( r ) = 1 ∣ D r ∣ ∑ i ∈ D r 1 + c o s Δ θ 2 S(r)= \frac{1}{|D_r|}\sum_{i\in D_r}\frac{1+cos\Delta \theta}{2} S(r)=∣Dr​∣1​i∈Dr​∑​21+cosΔθ​

S ( r ) S(r) S(r)为 r e c a l l = i 40 recall=\frac{i}{40} recall=40i​的方向相似度， Δ θ \Delta \theta Δθ是角度差值