KITTI MOT（Multi‑Object Tracking）数据集概览
| 内容 | 说明 |
|---|---|
| 定位 | KITTI 是由德国卡尔斯鲁厄理工学院（KIT）和丰田技术研究院（TUM）联合创建的自动驾驶视觉基准。其 MOT 子集专门用于 多目标跟踪（车辆、行人等）任务。 |
| 任务范围 | 3D 目标跟踪（3‑D MOT）和 2D 目标跟踪（2‑D MOT），评估对象主要是 Car 与 Pedestrian 两类。 |
| 数据组成 | - 序列：21 条训练序列、29 条测试序列（官方评测使用私有标签）。 - 帧数：训练 8 008 帧、测试 11 095 帧。 - 标注：共 30 601 个目标实例，形成 636 条完整轨迹。 - 模态：左侧彩色图像、对应的 3‑D 点云、校准文件、GPS/IMU 信息等。 |
| 标注格式 | 每帧的标签文件包含 17 列信息，常用列包括 frame、track_id、type、occluded、bbox 等；DontCare 区域表示不参与评估。 |
| 评估指标 | 采用 HOTA（Higher Order Tracking Accuracy）指标，同时提供 DetA（检测精度）、IDSW（ID 切换次数）和 MOTA（多目标跟踪精度）等传统指标。 |
| 下载与使用 | 官方下载页面：<http://www.cvlibs.net/datasets/kitti/ >（可直接获取图像、点云、标注及校准文件）。 评测服务器地址（提交结果）：The KITTI Vision Benchmark Suite（同上）。 |
| 常用基准与基线 | - KITTI MOT 评测在 KITTI MOTS（MOT + Segmentation）任务中使用 HOTA 作为主要评分标准。 - 多篇近期论文（如 LiDAR‑MOT‑DETR）在该数据集上报告了 HOTA≈0.95、DetA≈0.82 等成绩，表明该基准仍是 3‑D 跟踪研究的核心。 |
| 相关资源 | - 官方文档：<https://github.com/kitti-vision/kitti >（代码、说明） - 数据集说明页面（中文）：<https://zhuanlan.zhihu.com/p/576347805 >（详细读取与可视化示例） - 常用论文：Geiger et al., “Vision meets Robotics: The KITTI Dataset” (IJRR 2013)；最新评测可参考 arXiv:2505.12753（LiDAR‑MOT‑DETR） |
简要结论
KITTI MOT 数据集是自动驾驶领域最具影响力的多目标跟踪基准之一，提供了真实城市、乡村和高速路场景的同步图像、点云和精细轨迹标注。它的 训练/测试划分、完整的标注格式以及统一的 HOTA 评估体系 为学术与工业界的跟踪算法研发提供了统一、可复现的实验平台。通过官方链接即可免费下载并在评测服务器提交结果，广泛用于 2‑D/3‑D 跟踪、跟踪‑分割（MOTS）以及跨模态感知研究。
声明：文章均为AI生成，请谨慎辨别信息的真伪和可靠性！