OpenLane-V2 竞赛指南CVPR 2024 Mapless Driving挑战赛参赛全攻略【免费下载链接】OpenLane-V2[NeurIPS 2023 Track Datasets and Benchmarks] OpenLane-V2: The First Perception and Reasoning Benchmark for Road Driving项目地址: https://gitcode.com/gh_mirrors/op/OpenLane-V2如果你正在寻找一份实用的自动驾驶竞赛指南那么 OpenLane-V2 绝对值得关注。这个由上海人工智能实验室等机构发布、被 NeurIPS 2023 收录的开源项目是业界首个面向道路驾驶场景结构感知与推理的基准Benchmark并基于它举办了 CVPR 2024 自动驾驶大挑战赛Autonomous Grand Challenge中的 Mapless Driving 赛道。本文将从任务解读、数据集下载、环境安装、指标评分、基线训练到提交格式一步步带你完成 OpenLane-V2 竞赛的完整参赛流程。OpenLane-V2 是什么自动驾驶场景结构感知与推理基准OpenLane-V2 是 OpenLane 系列的延续与 OpenLane-V1首个真实世界 3D 车道数据集相比它不再只标注车道线而是在 3D 空间中标注车道中心线、交通元素红绿灯、路牌及其属性以及车道之间、车道与交通元素之间的拓扑关系。简单来说它要求模型不仅看得到路还要理解路网结构这正是无高精地图Mapless自动驾驶的关键能力。项目开源了完整的数据集、开发套件Devkit、评测指标以及基于 mmdetection3d 的基线模型Baseline并维护着长期开放的排行榜和测试服务器。Mapless Driving 挑战赛任务解读什么是 Driving Scene TopologyCVPR 2024 AGC 的 Mapless Driving 赛道核心任务是Driving Scene Topology驾驶场景拓扑。与 2023 年 OpenLane Topology 赛道相比它升级了两点感知对象升级不再只是车道中心线而是引入了Lane Segment车道段表示每个车道段包含中心线、左右车道线含实线/虚线类型并新增了人行横道、道路边界等Area区域元素新增传感器输入标准清晰度地图SD Map作为额外输入为模型提供拓扑与位置先验助力拓扑推理。模型需要同时完成三类感知车道段、交通元素、区域和两类拓扑推理车道段之间的连接关系topology_lsls、车道段与交通元素的对应关系topology_lste。相关的任务说明可以参考项目中的 docs/features.md 与 docs/annotation.md。参赛第一步下载 OpenLane-V2 数据集竞赛使用subset_A作为主数据集规则上禁止使用外部数据包括 subset_B。你需要下载以下三部分文件说明大小Map Element Bucket驾驶场景拓扑的标注信息约 240MImage (train/val/test)多视角图像输入每部分 14~21GSD Map可选标准地图先验输入约 7M官方提供了 Google Drive 与百度网盘两种下载渠道也可通过 OpenDataLab 使用命令行工具加速下载。完整下载清单见 data/README.md。下载后将文件放入data/OpenLane-V2/目录并解压然后运行预处理脚本生成 pickle 训练/评测文件cd data python OpenLane-V2/preprocess.py python OpenLane-V2/preprocess-ls.py # 生成 Map Element Bucket 预处理文件环境安装与开发套件配置克隆仓库并安装开发套件是快速开始的最简路径git clone https://gitcode.com/gh_mirrors/op/OpenLane-V2 cd OpenLane-V2 conda create -n openlanev2 python3.8 -y conda activate openlanev2 pip install -r requirements.txt python setup.py develop开发套件以openlanev2为包名提供 API其中openlanev2.centerline对应 2023 年赛道工具openlanev2.lanesegment专门用于 Map Element Bucket即 Mapless Driving 赛道。套件内部按dataset数据读取、evaluation评测、io文件读写、preprocessing预处理、visualization可视化分层组织详见 docs/devkit.md 以及教程目录 tutorials/。排行榜评分机制读懂 OLUS 核心指标Mapless Driving 赛道采用OpenLane-V2 UniScoreOLUS作为综合得分它是五个分项的均值指标含义匹配方式DET_l车道段检测 mAP车道段距离阈值 1.0/2.0/3.0DET_a区域检测 mAPChamfer 距离阈值 0.5/1.0/1.5DET_t交通元素检测 mAPIoU 距离阈值 0.75TOP_ll车道段间拓扑 mAP链接预测TOP_lt车道段-交通元素拓扑 mAP链接预测注意官方建议使用v2.1 版本指标vx.1 与 vx.0 的 TOP 分数存在差异评测实现细节可以参考 docs/metrics.md 以及评测核心源码 openlanev2/lanesegment/evaluation/evaluate.py。基线模型训练快速跑通 baseline官方提供了基于 mmdetection3dv1.0.0rc6的基线插件位于 plugin/models/测试环境为 Python 3.8.15、PyTorch 1.9.1、CUDA 11.1。使用步骤安装 mmdetection3d 框架在框架的projects/目录下建立软链接指向插件└── framework └── projects └── openlanev2 - OpenLane-V2/plugin/models使用配置文件 plugin/models/configs/baseline.py 启动训练或评测。该配置文件定义了完整的模型结构ResNet18 图像主干、CustomFPN 特征金字塔、IPM 视角转换器以及负责车道、交通元素检测的 DETR 头与负责拓扑预测的 TopologyHead训练 20 个 epoch。评测时可通过--eval-options dumpTrue导出 pickle 文件用于提交或开启可视化查看预测效果。提交格式与测试pickle 文件全解析提交文件是一个二进制 pickle其中包含method、team、authors等队伍信息以及按帧组织的预测结果字典。每个帧的predictions需包含lane_segment车道段列表id、中心线、左右车道线 3D 坐标、confidencetraffic_element交通元素列表id、属性、2D 包围框、confidencearea区域列表id、类别、3D 坐标、confidencetopology_lsls与topology_lste拓扑邻接矩阵0~1 的置信度关键细节车道段和区域的点数可不一致但官方建议车道段每条线 10 个点、区域 20 个点与真值对齐并建议将 float 转为np.float16以减小文件体积。完整格式请对照 docs/submission.md 中的定义。提交前自测本地评测脚本Hugging Face 测试服务器在提交失败时不会返回详细错误信息因此务必先用验证集在本地评测。官方提供了现成的评测入口from openlanev2.lanesegment.evaluation.evaluate import evaluate metrics evaluate( ground_truthdata/OpenLane-V2/data_dict_subset_A_val_ls.pkl, predictions/path/to/submission.pkl ) print(metrics)本地跑通验证集后再按以下步骤正式提交通过官方报名表注册队伍按规范格式生成 test 集预测 pickle 文件在 Hugging Face 评测空间的Submission Information标签页完成上传。参赛避坑指南与实用建议结合社区常见问题这里给出几条提升 OpenLane-V2 竞赛成绩的实用建议SD Map 别浪费虽然标注为可选但作为先验输入能显著提升拓扑推理的稳定性建议在预处理时通过with_sd_map参数开启关注小目标交通元素在远距离下尺寸极小是 DET_t 指标的主要瓶颈可考虑提升输入分辨率或多尺度特征拓扑与检测联动TOP 指标依赖检测结果的匹配先提升 DET_l 再优化拓扑头通常比直接调拓扑网络更高效保持矩阵顺序一致topology_lsls与topology_lste的行列必须与lane_segment、traffic_element列表顺序一一对应否则评测结果会完全错误关注官方排行榜CVPR 2024 AGC 结束后测试服务器仍然保持活跃你可以随时提交结果检验新想法。结语OpenLane-V2 竞赛CVPR 2024 Mapless Driving 挑战赛是检验自动驾驶场景结构感知与拓扑推理能力的绝佳舞台。从下载数据集、安装开发套件到理解 OLUS 评分、训练基线、规范提交这份竞赛指南覆盖了参赛的全流程。即使比赛已落幕排行榜依旧开放你依然可以把它当作一个长期打磨模型的实验场。现在就克隆仓库、跑通基线向排行榜发起挑战吧【免费下载链接】OpenLane-V2[NeurIPS 2023 Track Datasets and Benchmarks] OpenLane-V2: The First Perception and Reasoning Benchmark for Road Driving项目地址: https://gitcode.com/gh_mirrors/op/OpenLane-V2创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
