赛事简介
Di-Tech算法大赛是由滴滴研究院创办的面向全球大数据人才的系列算法竞赛。通过开放真实的数据，用最炙手可热的研究课题，向算法天才征集更聪明的解决方案；并有机会直接将其应用在产品中，用科技颠覆全世界数以亿计用户的出行体验。第二届Di-Tech算法大赛将由滴滴研究院和Udacity共同举办，主题为滴滴-Udacity“无人驾驶”大挑战！
我们非常高兴能与Udacity合作推出这项竞赛。对无人驾驶车而言，最重要的是能够理解周围环境并做出相应决策，保证行车安全。参赛者需要努力找到通过摄像头和 LIDAR 数据检测道路上的障碍物的最好方法。最终的系统应该能够识别行人、车辆和普通障碍物，对人类驾驶员和无人驾驶系统都有很大帮助。除了为获胜者提供的10万美金奖励，决赛成绩排名前五的队伍还将被邀请参加在硅谷举办的答辩和颁奖仪式，并有机会看到自己的代码解决方案在无人驾驶车上试验运行！
赛制流程赛制详情
赛题介绍赛题详情对无人驾驶车而言，最重要的是能够理解周围环境并做出相应决策，保证行车安全。参赛者需要努力找到通过摄像头和 LIDAR 数据检测道路上的障碍物的最好方法。最终的系统应该能够识别行人、车辆和普通障碍物，对人类驾驶员和无人驾驶系统都有很大帮助。参赛者需要处理 LIDAR、RADAR及摄像头原始数据，输出障碍物位置、移除噪音和环境错误检测。参赛者可以利用已经较为完善的 Kitti 数据集，在现有技术的基础上，加入自己的新方法和手段，来获得更好的表现。
具体来说，我们将使用 Kitti 对象检测评估基准来为参赛者排名。本次比赛将针对此挑战赛设立专用的排行榜，我们将使用标准对象检测开发包来评估参赛者的代码方案，就像在学术界和工业届所做的那样。
我们将开放用于测试和训练的数据集，数据集将根据 Kitti 标准准备。参赛者可以使用任何相关工具来处理和评估自己的方案。虽然大赛目前仍在制定挑战赛专用数据集，你现在就可以使用 Kitti 数据开始为竞赛做准备。
赛题详情（ASAPS）
对无人驾驶车而言，最重要的是能够理解周围环境并做出相应决策，保证行车安全。参赛者需要努力找到通过摄像头和 LIDAR 数据检测道路上的障碍物的最好方法。最终的系统应该能够识别行人、车辆和普通障碍物，对人类驾驶员和无人驾驶系统都有很大帮助。参赛者需要处理 LIDAR、RADAR及摄像头原始数据，输出障碍物位置、移除噪音和环境错误检测。参赛者可以利用已经较为完善的 Kitti 数据集，在现有技术的基础上，加入自己的新方法和手段，来获得更好的表现。
具体来说，我们将使用 Kitti 对象检测评估基准来为参赛者排名。本次比赛将针对此挑战赛设立专用的排行榜，我们将使用标准对象检测开发包来评估参赛者的代码方案，就像在学术界和工业届所做的那样。
我们将开放用于测试和训练的数据集，数据集将根据 Kitti 标准准备。参赛者可以使用任何相关工具来处理和评估自己的方案。虽然大赛目前仍在制定挑战赛专用数据集，你现在就可以使用 Kitti 数据开始为竞赛做准备。
阶段内容
第一阶段 - 车辆
在第一阶段，我们将向参赛者提供在一辆行进中的汽车上采集的原始数据。参赛者需要识别车辆行进道路上的多个静止或运动物体的距离和大致移动方向及速度。
第二阶段 - 车辆，行人
在第二阶段，除了静止和运动的物体，参赛者还需要识别出在车辆行进道路上的行人。
数据集／输入
训练数据将会镜像 Kitti 数据集，参与者们能够使用其中的数据来训练及改良他们的模型。如下是摘自 Kitti 原数据网站关于可用数据的详细描述。
数据集由如下信息构成，它们以 10Hz 的频率采样及同步。
初始（未同步的+未校正的）及处理过的（同步的+校正过的）灰阶立体序列（stereo sequences）（50 万像素，以 png 格式储存）
初始（未同步的+未校正的）及处理过的（同步的+校正过的）彩色立体序列（50 万像素，以 png 格式储存）
Velodyne 扫描的 3D 点云（每帧（frame）100k 个点，以二进制浮点数矩阵格式储存）
GPS/IMU 的 3D 数据（位置、速度、加速度、元信息（meta-information），以文本文件储存）
校准信息（相机校准，相机-GPS/IMU 校准，相机-Velodyne 校准，以文本文件储存）
3D 物体追踪标记（包括 cars、trucks、trams、pedestrians、cyclists，以 xml 格式储存）
其中，未同步的+未校正的（unsynced+unrectified）是指，在原输入帧中，图像出现扭曲失真，帧序列可能不一致。而同步的+校正过的（synced+rectified）则指，经过处理后的数据中，图像经过校正而不失真，并且在所有的传感器流中信息帧数相匹配。在两种情况下，文件都将包含时间戳（timestamps）。大部分人仅需要同步的+校正过的文件。
要求
参赛者需要使用以上提供的数据：
提交
代码方案需要在官方提供的 ROS 架构中运行（Ubuntu 14.04, ROS Indigo）
在以下情况下，提交将被视为无效：在开发过程中使用的代码包括或基于不被 Open Source Initiative 认可、或被禁止商用的软件。
代码演示必须实时进行。即在我们搭载 I7 的 Titan X 评估平台上以至少 10Hz 运行。
每次提交需要 1-2 分钟的处理时间，以防止参赛团队通过自动提交猜出答案。自动提交是不允许的。
所有提交的代码都将开源，团队对提交的代码不拥有独家的知识产权。
手动对测试数据集添加标签是不允许的。
评估和评判标准
我们将使用 Kitti 在他们 CVPR 2012 文章中提到的方法，即使用 PASCAL 标准进行对象检测和方向估测表现，对参赛者的提交进行自动评估。更具体地说，我们将使用“中度（Moderate）”评估参数进行排名，你可以在对象检测评估基准页面上找到详细说明。进行排名时，我们将使用“对象检测和方向估测评估”的中度参数进行排名。目前，中度参数的记录由 Deep MANTA 保持，分数为 89.73%。你可以在 Kitti 对象检测评估页面找到详细的关于数据集格式和评估步骤的说明，或者查看开发者工具包中的说明：点击此处。
大赛官网：
http://research.xiaojukeji.com/competition/detail.action?competitionId=DiTech2017
原文链接：
http://mp.weixin.qq.com/s/UvzMhXy5k81tygjFk0HArQ
