Sicherheit auf Unternehmensebene: ISO 27001 + SOC 2 Typ I konform.

Link to this sectionKITTI-Tiefendatensatz#

Der KITTI-Datensatz ist ein realer Outdoor-Benchmark für autonomes Fahren, der von einem fahrenden Fahrzeug in und um die Stadt Karlsruhe aufgenommen wurde. Für die monokulare Tiefenschätzung wird die Ground-Truth-Tiefe von einem Velodyne HDL-64 LiDAR-Scanner abgeleitet und mithilfe der Methode von Uhrig et al. 2017 verdichtet. Die resultierenden Tiefenkarten bleiben dünn besetzt, wobei etwa 16–20 % der Pixel einen gültigen Tiefenwert aufweisen. KITTI ist die einzige reale Outdoor-Langstreckenquelle im YOLO26-Depth-Pretraining-Mix und dient auch als KITTI-Eigen-Evaluierungsbenchmark.

Link to this sectionHauptfunktionen#

  • Reale Outdoor-Fahrszenen mit Tiefen von bis zu etwa 80 m, weit über den typischen Innenbereich hinaus.
  • Tiefen-Ground-Truth, gewonnen von einem Velodyne HDL-64 LiDAR und verdichtet mit dem Sparsity Invariant CNNs-Ansatz von Uhrig et al. 2017.
  • Sparse Supervision: Nur etwa 16–20 % der Pixel pro Bild enthalten einen gültigen Tiefenwert; ungültige Pixel werden bei der Verlustberechnung und den Metriken ausgeblendet.
  • Stereobildpaare (links image_02 und rechts image_03) bieten zusätzliche Blickwinkel für das Training.
  • Tiefenwerte werden als .npy float32-Arrays in Metern gespeichert, gemäß dem Ultralytics-Tiefendatensatzformat.

Link to this sectionDatensatzstruktur#

Die von Ultralytics verwendeten KITTI-Tiefendaten sind in zwei Teilmengen unterteilt:

  1. Trainings-Split: 60.040 Bilder (links image_02 und rechts image_03). Die 28 KITTI-Eigen-Testfahrten sind vom Training ausgeschlossen, um eine faire Evaluierung zu gewährleisten.
  2. Evaluierungs-Split: der KITTI-Eigen-Test-Split, 32.378 Bilder (beide Kameras). Die Evaluierung nutzt den Garg-Crop, eine 80-m-Tiefenbegrenzung und eine Log-Least-Squares-Ausrichtung zwischen Vorhersagen und Ground Truth.

Der Tiefenbereich erreicht etwa 80 m, und das Datensatz-YAML (depth-kitti.yaml) setzt max_depth: 80 entsprechend.

Link to this sectionRolle in YOLO26-Depth#

KITTI liefert die einzige echte Outdoor-Langstrecken-Supervision im YOLO26-Depth-Pretraining-Mix und ergänzt die überwiegend auf Innenräume ausgerichteten Quellen. Es ist zudem der Standard-KITTI-Eigen-Benchmark für die Berichterstattung über die Tiefengenauigkeit in Fahrszenen.

KITTI is a key example of why the depth head is unbounded (log mode): a fixed 10 m output ceiling cannot represent 80 m driving scenes. See the depth task page for details on the head output range and max_depth handling.

Link to this sectionErgebnisse#

KITTI-Eigen delta1-Genauigkeit nach Modellgröße (höher ist besser):

ModellKITTI-Eigen δ1
YOLO26n-Depth0.888
YOLO26s-Depth0.882
YOLO26m-Depth0.924
YOLO26l-Depth0.927
YOLO26x-Depth0.939

Link to this sectionDatensatz-YAML#

Eine YAML (Yet Another Markup Language)-Datei wird verwendet, um die Datensatzkonfiguration zu definieren. Sie enthält Informationen über die Pfade des Datensatzes, Klassen und weitere relevante Informationen wie die maximale Tiefe.

ultralytics/cfg/datasets/depth-kitti.yaml
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# KITTI dataset for monocular depth estimation — real outdoor driving, Velodyne HDL-64 LiDAR (densified), sparse, up to ~80 m
# Documentation: https://docs.ultralytics.com/datasets/depth/kitti
# Example usage: yolo depth train data=depth-kitti.yaml model=yolo26n-depth.pt
# parent
# ├── ultralytics
# └── datasets
#     └── depth-kitti  ← downloads here (~190 GB archives, ~230 GB converted)
#         ├── images/{train,val}  # RGB images
#         └── depth/{train,val}   # paired *.npy, float32 meters (images/ -> depth/)
# If an interrupted download leaves a partial dataset, delete the depth-kitti dir and re-run to rebuild it.

path: depth-kitti # dataset root dir (relative to Ultralytics settings 'datasets_dir')
train: images/train # train images (relative to 'path') 60040 images
val: images/val # val images (relative to 'path') 32378 images (KITTI Eigen test split)
max_depth: 80 # (m) maximum valid depth; GT beyond this is excluded from val metrics

nc: 1
names:
  0: depth

channels: 3

# Download script/URL (optional)
download: |
  import shutil
  from pathlib import Path

  import cv2
  import numpy as np

  from ultralytics.utils import TQDM
  from ultralytics.utils.downloads import download

  # Drives of the 28 KITTI Eigen test scenes -> val; every other annotated drive -> train
  VAL_DRIVES = """2011_09_26_drive_0002 2011_09_26_drive_0009 2011_09_26_drive_0013 2011_09_26_drive_0020
  2011_09_26_drive_0023 2011_09_26_drive_0027 2011_09_26_drive_0029 2011_09_26_drive_0036 2011_09_26_drive_0046
  2011_09_26_drive_0048 2011_09_26_drive_0052 2011_09_26_drive_0056 2011_09_26_drive_0059 2011_09_26_drive_0064
  2011_09_26_drive_0084 2011_09_26_drive_0086 2011_09_26_drive_0093 2011_09_26_drive_0096 2011_09_26_drive_0101
  2011_09_26_drive_0106 2011_09_26_drive_0117 2011_09_28_drive_0002 2011_09_29_drive_0026 2011_09_29_drive_0071
  2011_09_30_drive_0016 2011_10_03_drive_0034 2011_10_03_drive_0042 2011_10_03_drive_0047""".split()
  # Annotated drives excluded from the release training set (raw data was unavailable at build time)
  SKIP_DRIVES = {"2011_09_28_drive_0104", "2011_09_28_drive_0135", "2011_09_28_drive_0177", "2011_09_28_drive_0214"}

  # Download the improved sparse GT (~14 GB) and the raw recordings it covers (~175 GB)
  dir = Path(yaml["path"])  # dataset root dir
  base = "https://s3.eu-central-1.amazonaws.com/avg-kitti"
  download([f"{base}/data_depth_annotated.zip"], dir=dir / "source", delete=True, exist_ok=True)
  gt_drives = sorted(p for p in (dir / "source" / "data_depth_annotated").glob("*/*_sync") if p.name[:-5] not in SKIP_DRIVES)
  urls = [f"{base}/raw_data/{p.name[:-5]}/{p.name}.zip" for p in gt_drives]
  download(urls, dir=dir / "source" / "raw", delete=True, exist_ok=True, threads=4)

  # Convert: GT PNGs are uint16 meters*256; RGB frames come from the matching raw drive
  for split in ("train", "val"):
      (dir / "images" / split).mkdir(parents=True, exist_ok=True)
      (dir / "depth" / split).mkdir(parents=True, exist_ok=True)
  for gt in TQDM(gt_drives, desc="Converting"):
      drive = gt.name[:-5]  # 2011_09_26_drive_0002
      split = "val" if drive in VAL_DRIVES else "train"
      for cam in ("image_02", "image_03"):
          for png in sorted((gt / "proj_depth" / "groundtruth" / cam).glob("*.png")):
              name = f"{drive}_{cam[-2:]}_{png.stem}"
              depth = cv2.imread(str(png), cv2.IMREAD_ANYDEPTH).astype(np.float32) / 256.0
              np.save(dir / "depth" / split / f"{name}.npy", depth)
              raw = dir / "source" / "raw" / drive[:10] / gt.name / cam / "data" / png.name
              raw.replace(dir / "images" / split / f"{name}.png")
  shutil.rmtree(dir / "source")

Link to this sectionVerwendung#

Um ein YOLO26n-Depth-Modell auf dem KITTI-Datensatz für 100 Epochen zu trainieren, kannst du die folgenden Code-Schnipsel verwenden. Eine umfassende Liste der verfügbaren Argumente findest du auf der Seite zum Modell-Training.

Trainingsbeispiel
from ultralytics import YOLO

# Load a pretrained depth model
model = YOLO("yolo26n-depth.pt")

# Train the model on KITTI
results = model.train(data="depth-kitti.yaml", epochs=100, imgsz=640)

Link to this sectionVortrainierte Modelle#

Vortrainierte YOLO26-Depth-Modelle werden automatisch von den Ultralytics v8.4.0 assets release heruntergeladen, wenn sie zum ersten Mal beim Namen genannt werden:

Link to this sectionZitate und Danksagungen#

Wenn du den KITTI-Datensatz für deine Forschungs- oder Entwicklungsarbeit verwendest, zitiere bitte die folgenden Arbeiten:

Zitat
@article{geiger2013vision,
      title={Vision meets Robotics: The KITTI Dataset},
      author={Geiger, Andreas and Lenz, Philip and Stiller, Christoph and Urtasun, Raquel},
      journal={The International Journal of Robotics Research},
      year={2013},
      publisher={SAGE Publications}
}

@inproceedings{uhrig2017sparsity,
      title={Sparsity Invariant CNNs},
      author={Uhrig, Jonas and Schneider, Nick and Schneider, Lukas and Franke, Uwe and Brox, Thomas and Geiger, Andreas},
      booktitle={International Conference on 3D Vision (3DV)},
      year={2017}
}

Wir möchten dem Karlsruher Institut für Technologie und dem Toyota Technological Institute at Chicago für die Erstellung und Pflege des KITTI-Datensatzes danken, sowie Uhrig et al. für die Tiefenverdichtungsmethode, die eine dichte Supervision erst ermöglicht.

Mitwirkende
BOBovey08091

Kommentare