Virtual KITTI 2-Tiefendatensatz#

Virtual KITTI 2 (vKITTI2) ist eine fotorealistische synthetische Nachbildung der KITTI-Fahrszenen. Der Datensatz übernimmt 5 Sequenzen aus dem ursprünglichen KITTI-Datensatz und rendert sie bei unterschiedlichen Wetter- und Lichtverhältnissen neu, wodurch dichte Grundwahrheit für jedes Pixel bereitgestellt wird.

Als synthetischer Datensatz für Fahrten im Außenbereich bietet vKITTI2 eine dichte Ergänzung zu den spärlichen realen KITTI-LiDAR-Messungen und ist damit eine nützliche Quelle sauberer Geometriedaten für Fahrten im Außenbereich beim Training monokularer Modelle zur Tiefenschätzung.

Wichtige Funktionen#

• Fotorealistische synthetische Nachbildung von KITTI-Fahrszenen.
• 5 übernommene Sequenzen, neu gerendert bei unterschiedlichen Wetter- und Lichtverhältnissen.
• Umgebungen für Fahrten im Außenbereich.
• Dichte Grundwahrheit für jedes Pixel (eine dichte Ergänzung zur spärlichen realen KITTI-LiDAR-Grundwahrheit).
• Tiefenbereich ~80 m.
• Trägt 42.520 Bilder (25.780 Training / 16.740 Validierung) zum Tiefen-Trainingsmix von Ultralytics bei.

Datensatzstruktur#

Der Virtual KITTI 2-Tiefendatensatz ist in zwei Teilmengen aufgeteilt:

1. Training: 25.780 Bilder mit zugehörigen dichten Tiefenkarten für das Training.
2. Validierung: 16.740 Bilder mit zugehörigen dichten Tiefenkarten zur Validierung während des Trainings.

Jedes RGB-Bild ist gemäß dem Ultralytics-Format für Tiefendatensätze einer skalierten uint16-Tiefen-PNG-Datei zugeordnet. Die Quelldaten und die konvertierten PNG-Dateien verwenden Zentimeter (depth_scale: 100), wodurch der Trainingsbereich von 80 m erhalten bleibt. Die YAML-Datei des Datensatzes lädt die Quellarchive (~15 GB) herunter und konvertiert sie bei der ersten Verwendung automatisch.

Rolle in YOLO26-Depth#

Virtual KITTI 2 ist eine der Trainingsquellen im umfangreichen Multi-Datensatz-Mix (~2.19M Bilder), der zum Vortrainieren der Ultralytics-YOLO26-Depth-Modelle verwendet wird. In diesem Mix bietet vKITTI2 eine dichte synthetische Ergänzung für Fahrten im Außenbereich zur spärlichen realen KITTI-LiDAR-Grundwahrheit.

In dieser Konfiguration gibt es keinen eigenständigen vKITTI2-Benchmark mit zurückgehaltenen Daten. Stattdessen werden die resultierenden Modelle anhand der Standardbenchmarks für monokulare Tiefenschätzung evaluiert: NYU Depth V2, KITTI, Make3D, ETH3D und iBims-1.

YAML-Datei des Datensatzes#

Eine YAML-Datei dient zum Festlegen der Datensatzkonfiguration. Sie enthält Informationen zu den Pfaden, Klassen und weiteren relevanten Angaben des Datensatzes. Für Virtual KITTI 2 legt die Datei depth-vkitti2.yaml die Pfade und die einzige Klasse depth fest.

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# Virtual KITTI 2 dataset for monocular depth estimation — photorealistic synthetic outdoor driving, dense per-pixel depth
# Documentation: https://docs.ultralytics.com/datasets/depth/vkitti2
# Example usage: yolo depth train data=depth-vkitti2.yaml model=yolo26n-depth.pt
# parent
# ├── ultralytics
# └── datasets
#     └── depth-vkitti2  ← downloads here (15 GB archives, ~85 GB converted)
#         ├── images/{train,val}  # RGB images
#         └── depth/{train,val}   # paired 16-bit *.png depth maps (images/ -> depth/)
# If an interrupted download leaves a partial dataset, delete the depth-vkitti2 dir and re-run to rebuild it.

path: depth-vkitti2 # dataset root dir (relative to Ultralytics settings 'datasets_dir')
train: images/train # train images (relative to 'path') 25780 images
val: images/val # val images (relative to 'path') 16740 images
max_depth: 80 # (m) maximum valid depth; GT beyond this is excluded from val metrics

nc: 1
names:
  0: depth

channels: 3
depth_scale: 100 # source PNG value 100 = 1 meter (centimeters)

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

  import cv2
  import numpy as np

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

  # Download and extract the official RGB + depth tars (~15 GB), then convert: Scene20 -> val, all
  # other scenes -> train; depth PNGs are uint16 centimeters (sky = 655.35 m), clipped at 80 m
  dir = Path(yaml["path"])  # dataset root dir
  urls = [f"https://download.europe.naverlabs.com/virtual_kitti_2.0.3/vkitti_2.0.3_{s}.tar" for s in ("rgb", "depth")]
  download(urls, dir=dir / "source", delete=True)
  for split in ("train", "val"):
      (dir / "images" / split).mkdir(parents=True, exist_ok=True)
      (dir / "depth" / split).mkdir(parents=True, exist_ok=True)
  for im in TQDM(sorted((dir / "source").rglob("rgb_*.jpg")), desc="Converting"):
      scene, variation, camera = im.parts[-6], im.parts[-5], im.parts[-2]  # Scene01/clone/frames/rgb/Camera_0/rgb_00000.jpg
      split = "val" if scene == "Scene20" else "train"
      name = f"{scene}_{variation}_{camera}_{im.stem[4:]}"
      depth = cv2.imread(str(im.parents[2] / "depth" / camera / f"depth_{im.stem[4:]}.png"), cv2.IMREAD_ANYDEPTH)
      save_depth_png(dir / "depth" / split / f"{name}.png", (depth.astype(np.float32) / 100.0).clip(max=80), scale=100)  # cm -> m -> cm PNG
      im.replace(dir / "images" / split / f"{name}.jpg")
  shutil.rmtree(dir / "source")

Verwendung#

Um ein YOLO26n-Depth-Modell mit einer Bildgröße von 640 auf dem Virtual KITTI 2-Datensatz zu trainieren, kannst du die folgenden Codebeispiele verwenden. Eine vollständige Liste der verfügbaren Argumente findest du auf der Seite zum Training des Modells.

from ultralytics import YOLO

# Ein Modell laden
model = YOLO("yolo26n-depth.pt")  # ein vortrainiertes Modell laden (für das Training empfohlen)

# Das Modell trainieren
results = model.train(data="depth-vkitti2.yaml", epochs=100, imgsz=640)

Vortrainierte Modelle#

Die YOLO26-Tiefenmodellfamilie (yolo26n-depth.pt, yolo26s-depth.pt, yolo26m-depth.pt, yolo26l-depth.pt, yolo26x-depth.pt) wird automatisch aus den Ultralytics-Veröffentlichungen heruntergeladen und mit dem umfangreichen Multi-Datensatz-Mix trainiert, zu dem Virtual KITTI 2 gehört. Entdecke YOLO26x-depth auf der Ultralytics Platform.

Zitate und Danksagungen#

Wenn du den Virtual KITTI 2-Datensatz in deiner Forschung oder Entwicklungsarbeit verwendest, zitiere bitte die folgende Veröffentlichung:

@article{cabon2020vkitti2,
      title={Virtual KITTI 2},
      author={Yohann Cabon and Naila Murray and Martin Humenberger},
      journal={arXiv preprint arXiv:2001.10773},
      year={2020}
}

Wir möchten den Erstellern von Virtual KITTI 2 dafür danken, dass sie diesen synthetischen Fahrdatensatz der Computer-Vision-Community zur Verfügung stellen.

Häufig gestellte Fragen#