任务四：城区道路复杂车道线视觉检测与测距
参赛队伍：
80
奖金：
￥150,000
比赛日期：
2021.11.18-2022.02.28
任务细则
奖项设置
任务细则
任务定义
本任务基于自然驾驶采集的真实数据，要求开发团队完成高速公路及城市道路前向复杂车道线的检测、测距及三次方程拟合，涉及不同遮挡和截断、破旧、带有阴影、强光弱光等场景的车道线，车道线类型涉及单双/黄白实线、单双/黄白虚线，示例见图1。
图1 车道线示例（来自cicv基础数据服务平台）
输入输出说明
为了方便评价，需要统一输入输出，输入为”/task4”文件夹下的.jpg图片和摄像头内外参数camera.yaml，输出每个图片对应的.json文件（输出文件必须为utf-8编码格式），文件命名为‘图像名称.json’并放置于“/task4_result/参赛队伍名称”文件夹下，结果文件示例如下:
‘0’、‘1’、‘2’、‘3’分别为车道线的id号，‘0’代表左侧相邻车道左侧车道线，‘1’代表本车道左侧车道线，‘2’代表本车道右侧车道线，‘3’代表右侧相邻车道右侧车道线。points内记录车道线关键点的像素坐标u、v及相对相机坐标系的横纵向距离x、y（单位：米），坐标系详见图4.2，其中v的坐标范围为580到1080且每间隔10个像素需要输出一个坐标，超出检测车道线起点和终点的坐标点的u输出为-100。coefficient内记录每条车道线在相机坐标系下三次方程拟合结果的系数，坐标系详见图2。
评价指标及规则
（1）车道线检测任务的评测指标采用调和平均值（f检测）：
若某条车道线检测正确需满足85%以上像素点为正样本（同一v坐标下u的误差在15个像素内，真值的u位于车道线的中心位置，如图3），：检测为正确的车道线数量，：检测错误的车道线数量，：漏检的车道线数量 。
（2）车道线拟合结果的评测指标采用调和平均值（f拟合）：
其中，车道线的拟合方程为：x=c0 c1*y c2*y2 c3*y3，坐标系示意图见图2。c0为车辆离车道边界的偏移距离，c1代表车道线偏航角，c2代表车道线曲率且向右弯曲为正，c3代表车道线曲率变化率且为正时代表曲率半径逐渐变小、为负时代表曲率半径逐渐变大。若某条车道线拟合结果判断为正确需满足c0与真值误差小于15cm，同时c1、c2、c3与真值正负相同。：拟合为正确的车道线数量，：误拟合的车道线数量，：未拟合的车道线数量。
图2 坐标系示意图
图3 车道线真值可视化
（3）实时性指标：要求开发者的方案在指定硬件上达到至少10帧每秒的处理速度（包含检测及输出整个拟合结果的整个过程），100ms以内time=1，耗时每增加5ms，time扣评测成绩0.05，直至扣到time=0.5。
（4）最终评测成绩计算：score= 0.6 * 检测f-measure 0.2 * 拟合f-measure 0.2 * time。
奖项设置
（1）赛马奖3名：每个任务分别对前三名进行奖励，第一名4-6万元、第二名1-3万元、第三名0.8-1万元
（2）应用奖若干：奖励0.5万元
（3）贡献奖若干：奖励200-1000元