Link to this sectionKITTI 数据集#

Ultralytics KITTI 数据集是一个用于自动驾驶的 2D 目标检测数据集，包含 7,481 张带有标注的图像（5,985 张用于训练，1,496 张用于验证），涵盖 8 个类别：car（汽车）、van（厢式货车）、truck（卡车）、pedestrian（行人）、person_sitting（坐着的人）、cyclist（骑行者）、tram（有轨电车）和 misc（杂项）。该数据集由卡尔斯鲁厄理工学院（Karlsruhe Institute of Technology）和芝加哥丰田技术学院（Toyota Technological Institute at Chicago）发布，其图像来自真实的城市、乡村和高速公路驾驶场景。

更广泛的 KITTI Vision Benchmark Suite 还涵盖了深度估计、光流、立体视觉和视觉里程计，但此处使用的 Ultralytics kitti.yaml 配置是专门针对 2D 目标检测设置的，并与 Ultralytics YOLO26 完全兼容。

Link to this section数据集结构#

该数据集包含 7,481 张带标注的图像，涵盖汽车、行人、骑行者等物体，按照 kitti.yaml 配置定义划分为两个预设子集：

Link to this section物体类别#

kitti.yaml 文件定义了 8 个目标类别，涵盖了驾驶场景中常见的车辆、人员和其他道路使用者：

Link to this section应用#

KITTI 数据集支持自动驾驶和机器人领域中一系列 2D 检测应用：

• 自动驾驶感知：训练模型以检测并跟踪汽车、行人和骑行者，从而使自动驾驶系统能够安全行驶。
• ADAS 开发：利用真实驾驶影像构建驾驶辅助功能，例如碰撞预警和行人检测。
• 交通与道路场景分析：检测并统计车辆和道路使用者，以研究交通流量和道路安全。
• 计算机视觉基准测试：将 KITTI 作为评估 2D 目标检测和跟踪模型的标准基准。

若要在浏览器中为你的驾驶图像打标、训练和管理数据集版本，请使用 Ultralytics Platform 运行完整工作流。

Link to this section数据集 YAML#

Ultralytics 使用 YAML 文件定义 KITTI 数据集配置。该文件指定了训练所需的数据集路径、类标签和元数据。配置文件地址为 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/kitti.yaml。

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

# KITTI dataset by Karlsruhe Institute of Technology and Toyota Technological Institute at Chicago
# Documentation: https://docs.ultralytics.com/datasets/detect/kitti
# Example usage: yolo train data=kitti.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── kitti ← downloads here (390.5 MB)

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: kitti # dataset root dir
train: images/train # train images (relative to 'path') 5985 images
val: images/val # val images (relative to 'path') 1496 images

names:
  0: car
  1: van
  2: truck
  3: pedestrian
  4: person_sitting
  5: cyclist
  6: tram
  7: misc

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/kitti.zip

Link to this section用法#

若要使用图像大小 640 训练 YOLO26n 模型并在 KITTI 数据集上运行 100 个 epoch，请使用以下命令。数据集 (390.5 MB) 会在首次使用时自动下载。有关更多详情，请参阅训练页面。

from ultralytics import YOLO

# Load a pretrained YOLO26 model
model = YOLO("yolo26n.pt")

# Train on kitti dataset
results = model.train(data="kitti.yaml", epochs=100, imgsz=640)

你也可以使用相同的配置文件，直接通过命令行或 Python API 执行评估、推理 和 导出 任务。

Link to this section样本图像和标注#

下方的示例展示了数据集中带有 2D 边界框标注的驾驶场景。KITTI 图像涵盖了在真实交通中捕获的城市、乡村和高速公路场景，为模型提供了多样的目标尺度、视角和光照条件。

Link to this section引用与致谢#

如果你在研究中使用了 KITTI 数据集，请引用以下论文：

@article{Geiger2013IJRR,
  author = {Andreas Geiger and Philip Lenz and Christoph Stiller and Raquel Urtasun},
  title = {Vision meets Robotics: The KITTI Dataset},
  journal = {International Journal of Robotics Research (IJRR)},
  year = {2013}
}

我们感谢 KITTI Vision Benchmark Suite 提供这一全面的数据集，它持续推动着计算机视觉、机器人和自动系统领域的进步。访问 KITTI 网站了解更多信息。

Link to this section常见问题解答#

Link to this sectionKITTI 数据集有什么用途？#

Ultralytics KITTI 数据集用于训练和评估自动驾驶领域的 2D 目标检测模型。它提供了涵盖 8 个类别（包括汽车、行人和骑行者）的 7,481 张带标注图像，并被广泛用于感知模型基准测试。

Link to this sectionKITTI 数据集中有多少图像和类别？#

Ultralytics KITTI 配置包含 7,481 张图像（5,985 张用于训练，1,496 张用于验证），没有单独的测试集。每张图像均针对 8 个类别进行了标注：car、van、truck、pedestrian、person_sitting、cyclist、tram 和 misc。

Link to this sectionKITTI 数据集包含测试集吗？#

不包含。Ultralytics KITTI 配置仅提供训练（5,985 张图像）和验证（1,496 张图像）子集。原始的 KITTI 测试集因缺少公开标注数据而被排除。

Link to this section我该如何下载 KITTI 数据集？#

当你首次使用 data="kitti.yaml" 进行训练时，数据集 (390.5 MB) 会自动下载，无需手动操作。Ultralytics 会获取图像和标签，并将其解压到你的本地数据集目录。你可以在 检测数据集概览 中浏览相关数据集。

Link to this section我可以使用 KITTI 数据集训练 Ultralytics YOLO26 模型吗？#

可以，KITTI 与 Ultralytics YOLO26 完全兼容。你可以直接使用提供的 YAML 配置文件来训练和验证模型。

Link to this section我在哪里可以找到 KITTI 数据集配置文件？#

你可以访问 kitti.yaml 文件，网址为 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/kitti.yaml。它定义了数据集路径以及训练所用的 8 个类别名称。