报名直通车 | 2022中国智能网联汽车算法挑战赛正式启动!Powered by PanoSim!



   导读   


      为响应国家科技引领、创新驱动的发展战略,推动智能网联汽车技术与产业发展、加快该领域人才培养、提升中国工业软件自主可控能力,同时聚焦智能网联汽车产业发展面临的关键技术和重大挑战,中国人工智能学会、中国汽车工程学会、中国生产力促进中心协会共同发起,联合国家重点高校和科研机构以及科技公司等主办2022中国智能网联汽车算法挑战赛(CIAC 2022),赛事由中国人工智能学会智能驾驶专业委员会、国家智能网联汽车创新中心、中国汽车工程学会智能交通分会、中国生产力促进中心协会汽车工作委员会、中国汽车工程学会汽车技术教育分会等专业机构共同承办。


      中国智能网联汽车算法挑战赛将吸引国内外知名高校学生、自动驾驶汽车企业技术人员、科研院所科研人员等群体的广泛参与,作为国内最具行业权威性和影响力的自动驾驶领域赛事之一,挑战赛每年举办一次,欢迎国内外各界人士积极关注参与。



   大赛日程   


01
报名时间
2022年9月30日-10月24日


02
预选赛
2022年10月25日-11月4日


03
总决赛
2022年11月5日-11月15日


04
颁奖仪式
2022年11月22日-11月24日



   比赛项目   


感知类赛题




01
高速公路及城市道路车辆视觉检测
本赛题基于自然驾驶采集的前视图像数据,在高速公路和城市道路场景下,参赛者需要对场景中的机动及非机动的车辆进行检测,遮挡或截断比例小于60%、短边像素大于12的车辆均需要检测,并输出车辆的二维边界框(BoundingBox)。当车辆被遮挡时,边界框需要包含车辆被遮挡的部分,当车辆被截断时(车辆的一部分在镜头外),边界框只需包含车辆在图像内可见部分即可。


02
停车场场景车位线角点视觉检测
本赛题基于高清鱼眼环视摄像头采集并经过AVM处理拼接成的鸟瞰图,对停车场泊车场景中的车位线进行角点检测,车位类型包括垂直停车位、水平停车位和倾斜停车位,输出车位线角点像素坐标。


03
高速公路及城市道路点云交通参与者检测
本赛题基于128线机械式激光雷达采集的自然驾驶数据,评价高速公路及城市道路场景下点云交通参与者的检测性能,要求对点云点数大于5个点的交通参与者进行检测,检测范围为自车周围100米,输出交通参与者的类型和位姿。




仿真类赛题




01
大学生方程式场景
本赛事场地参考“中国大学生方程式系列赛事”的设计。具体包含1个地图:高速循迹地图。比赛过程中,选手需要按要求完成高速循迹地图的测试。


02
高速公路场景
本赛事场地由直线道路、大曲率弯道、和汇入/汇出匝道组成,交通场景包括前车急加减速、切入切出、多车干扰、汇入/汇出等。车辆需要从匝道驶入,绕行环形实验场1周,最后从匝道汇出处驶出。


03
城市交叉口场景
城市交叉口场景分别包含路口直行、路口左转、路口掉头、路口右转遇行人4个典型工况。比赛的起点位置在路口前,车辆需要按要求通过路口完成比赛。


04
停车场泊车场景
赛题内容包含了泊车辅助系统的新国标GB/T41630-2022和具有中国特色的典型泊车工况。


   奖项设置   

挑战赛设置一等奖、二等奖、三等奖

获奖者将获得大赛组委会颁发的荣誉证书

并有机会获得奖金、推荐信

中国大学生无人驾驶方程式大赛(FSAC)加分

奖项详情后续公布,敬请期待!



   报名通道   


报名通道


挑战赛报名通道二维码

⇩⇩⇩


也可通过登录

CICV汽车开发者社区报名

(developer.china-icv.cn)


仿真类赛事平台试用申请


640?wx_fmt=png




进群交流


比赛交流群二维码

扫码进群,获取赛事最新信息

⇩⇩⇩

① 感知类赛事交流群

② 仿真类赛事交流群




   参赛须知   



组队规则


(1)大赛面向全球征集参赛团队,不限年龄、国籍高校、科研院所、企业从业人员等均可登录官网报名参赛;

(2)开发者以团队形式报名,成员人数为1~5名,报名时所有成员需提供个人基本信息,并通过报名平台实名认证,开发者应当保证所提供信息的真实性,组织方会对其中涉及个人隐私的内容予以保密;

(3)开发团队须有一个合适的团队名称。



作品要求



感知类赛事参赛作品

(1)提供Docker镜像及Dockerfile文件:Docker镜像内需包含所需环境、算法源代码等;

(2)提供详细说明文档:包含任务算法整体描述、解决思路、架构设计、运行指令说明等,文件格式为pdf;

(3)其他相关支撑材料,如:辅助展示设计、方案材料、演示demo视频等(不强制);

(4)压缩包请以【任务编号-团队名称】格式命名;

(5)作品原创:作品必须保证原创性,不违反任何中华人民共和国有关法律法规,不侵犯任何第三方知识产权或其他权利,一经发现或经权利人提出并查证,组织方将取消其参与资格和成绩并进行严肃处理;

(6)作品复现及验证:参赛选手需要配合组织方对作品的有效性与真实性进行验证,同时自行检查提交作品的正确性,确认无误后再进行提交,组织方不负责对比赛作品进行更改和调整。

(7)每个团队在作品提交期间最多可提交3次,以最后一次提交结果为准。


仿真类赛事参赛作品

(1)提交基于C++、Python语言的算法代码;

(2)压缩包请以【任务编号-团队名称】格式命名;

(3)作品原创:作品必须保证原创性,不违反任何中华人民共和国有关法律法规,不侵犯任何第三方知识产权或其他权利,一经发现或经权利人提出并查证,组织方将取消其参与资格和成绩并进行严肃处理;

(4)作品复现及验证:参塞选手需要配合组织方对作品的有效性与真实性进行验证,同时自行检查提交作品的正确性,确认无误后再进行提交,组织方不负责对比赛作品进行更改和调整。



评审规则


(1)组织方不提供赛题的批量数据,仅提供任务样例数据;

(2)所有符合资格的团队在要求日期前所提交的作品均会纳入评审。组织方不对任何因电脑、互联网、移动网络故障而造成的参赛作品损坏、缺失、提交延时等后果承担责任;

(3)禁止在比赛中抄袭他人作品、交换答案,一经发现将取消比赛成绩并严肃处理。


END

PanoCar试用(学校申请)

  • 姓名*

  • 手机号*

  • 微信号*

  • 邮箱

  • 所在学校*

  • 所在学院*

  • 导师姓名*

  • 导师电话

  • 导师邮箱

  • 试用PanoCar目的*

    • 产品选型
    • 项目招标
    • 毕业设计
    • 学术研究
    • 参加比赛
    • 学习了解
    • 其他
  • 您认为软件使用过程中哪些方面比较重要*

    • 技术支持
    • 产品功能
    • 性价比
    • 国产化替代
    • 需求定制能力
    • 仿真精度
    • 模型计算效率
    • 模型计算稳定性
    • 模型参数配置易用性
    • 模型参数库丰富程度
    • 其他
  • 您关注PanoCar哪些模块或功能*

    • 模块:车辆底盘模型
    • 模块:动力传动系统模型
    • 模块:空气动力学模型
    • 模块:转向系统模型
    • 模块:悬架系统模型
    • 模块:制动系统模型
    • 模块:轮胎模型
    • 模块:3D道路模型
    • 模块:驾驶员模型
    • 模块:驾驶操纵模型
    • 模块:I/O接口
    • 功能:Matlab/Simulink联合仿真
    • 功能:PanoCar实时平台应用
    • 功能:PanoCar本地仿真测试
    • 功能:数据后处理功能
    • 功能:动画引擎
  • 您是通过哪种途径了解到PanoCar的*

    • 官网
    • 微信公众号
    • 论文专著
    • 学术会议
    • 知乎B站等其他新媒体平台
    • 行业网站
    • 搜索引擎
    • 同行推荐
    • 他人介绍
    • 其他
  • 验证码

PanoCar试用(企业申请)

  • 姓名*

  • 手机号*

  • 所在单位*

  • 所在部门*

  • 微信号*

  • 邮箱

  • 您试用PanoCar软件的目的*

    • 产品选型
    • 项目招标
    • 学习了解
    • 其他
  • 您认为软件使用过程中哪些方面比较重要*

    • 技术支持
    • 产品功能
    • 性价比
    • 国产化替代
    • 需求定制能力
    • 仿真精度
    • 模型计算效率
    • 模型计算稳定性
    • 模型参数配置易用性
    • 模型参数库丰富程度
    • 其他
  • 您关注PanoCar哪些模块或功能*

    • 模块:车辆底盘模型
    • 模块:动力传动系统模型
    • 模块:空气动力学模型
    • 模块:转向系统模型
    • 模块:悬架系统模型
    • 模块:制动系统模型
    • 模块:轮胎模型
    • 模块:3D道路模型
    • 模块:驾驶员模型
    • 模块:驾驶操纵模型
    • 模块:I/O接口
    • 功能:Matlab/Simulink联合仿真
    • 功能:PanoCar实时平台应用
    • 功能:PanoCar本地仿真测试
    • 功能:数据后处理功能
    • 功能:动画引擎
  • 您是通过哪种途径了解到PanoCar的*

    • 官网
    • 微信公众号
    • 论文专著
    • 学术会议
    • 知乎B站等其他新媒体平台
    • 行业网站
    • 搜索引擎
    • 同行推荐
    • 他人介绍
    • 其他
  • 验证码