{
  "fetched_at": "2026-10-20T06:57:25Z",
  "source_url": "https://www.kaggle.com/competitions/ITS_Challenge_Game2_Collaborative_Perception_CameraOnly/data",
  "pages": [
    {
      "name": "data-description",
      "content": "基于仿真平台采集的车-路-空协同感知数据集，包含来自网联自动驾驶车、路侧设施、空中平台的多视角图像与点云数据，提供标注真值框、传感器标定参数、时序信息等。选手需将在测试集上每一帧的推理结果（信息见示例）写入规定格式的csv中，并与本系统中的gt信息做对比以得到分数。提交csv格式示例见下方。现对提交格式作以下说明：\ncsv应只包含两列。第一列为ID，即为顺序排列的测试集每一帧；第二列为该帧下的所有（不只一个）车辆目标预测信息。\n第一列内容可供选手直接使用，共2170帧；对于第二列车辆预测信息而言，排列目标检测任务得到的所有预测框信息，每个目标预测框按以下顺序排列：\nvehicle score center_x center_y center_z length width height rotation_x rotation_y rotation_z\n意义分别为：\n类别 置信度分数 三维框中心点x 三维框中心点y 三维框中心点z 框长 框宽 框高 roll yaw pitch\n再次重申：csv只有两列，若有多个目标，在第二列的同一单元格中顺序排列即可，csv格式有误则无法得到结果。",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "#大赛规则\n##1.比赛时间安排\n2025年10月20日：提交作品截止\n##2.任务说明\n本赛题聚焦车路空多源传感数据处理、信息融合、协同感知等关键技术，主要解决多智能体感知数据时空对齐与校准、多传感器信息精准融合及跨视角目标空间关系建模等问题；\n参赛队伍需考虑物理世界复杂高动态特性及多智能体异构数据特点，基于赛题方提供的车-路-空协同感知数据集自行设计能够适应不同条件（光照、天气、视角等）车-路-空跨域协同感知模型，并利用所提供的空地协同感知数据集进行训练和验证，提交相应的测试代码与说明文档。期望作品具备算法创新性、感知精度高、跨视角对齐鲁棒等特点，推动车-路-空协同感知领域的发展。\n**问题建模**\n任务输入：车端图像、路侧图像、无人机图像及场景目标标注标签文件。\n任务输出：场景目标类别及位姿。\n##3.其他规则\n1）作品原创：参赛作品必须保证原创性，不违反任何中华人民共和国的有关法律，不侵犯任何第三方知识产权或者其他权利；一经发现或经权利人提出并查证，组委会将取消其比赛成绩并进行严肃处理；同一作品不得重复提交赛题，一经查出视为作废。\n2）公平竞技：参赛者禁止在指定考核技术能力的范围外，利用规则漏洞或技术漏洞等不良途径提高成绩排名，禁止在比赛中抄袭他人作品、交换答案、使用多个小号，经发现将取消比赛成绩并严肃处理。\n3）组织声明：组委会保留对比赛规则进行调整修改的权利、比赛作弊行为的判定权利和处置权利、收回或拒绝授予影响组织及公平性的参赛团队奖项的权利。\n4）作品知识产权：参赛作品（包含但不限于算法、模型、方案等）知识产权归参赛者、大赛组委会共享，大赛组委会有权利将参赛作品、比赛信息、参赛团队信息用于宣传品、相关出版物、制定及授权媒体发布、官方网站浏览及下载、展览（含巡展）等活动项目；大赛组委会拥有对参赛作品组织投资对接和产品孵化服务的优先权利。\n5）参赛过程中不得做出任何攻击平台的行为，否则将被取消参赛资格及奖励，大赛组委会保有追究相应责任的权利。\n6）特殊规则：选手需在对应链接中分别提交基于相机和基于激光雷达点云两种模态的算法，若在输入端掺杂其他模态，一经发现取消比赛资格。",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "对于基于相机的模型评估，采用目标检测任务的检测精度(Average Precision, AP) 指标。\n基于IoU=0.5和0.7不同阈值时计算检测精度，最终将二者加权得到最终AP，即：\n\nAP=40%*AP@50+60%*AP@70。",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "具体规则请遵守《智能交通协会创新挑战赛保密承诺书》",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "abstract",
      "content": "为了进一步推动智能无人系统在复杂高动态非结构化道路场景中的环境感知能力，特开展本次陆空跨域协同感知算法大赛。本赛题旨在要求参赛选手围绕陆面车端、移动辅助端以及空中机端等跨域多源异构感知数据，设计跨域数据高效融合与协同感知智能算法，克服单平台感知能力局限性，实现复杂场景下的跨域数据融合与协同感知，以期提升自主无人系统的环境感知能力，最终为系统的任务规划、智能决策提供保障支持。",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}