KITTI 全称 KITTI Vision Benchmark Suite，是自动驾驶场景下的计算机视觉算法评测数据集与基准平台，由卡尔斯鲁厄理工学院（KIT）和芝加哥丰田技术研究院（TTI-C）合作开发。数据采集平台基于自动驾驶车辆 Annieway，配备两台高分辨率彩色与灰度摄像机，并由 Velodyne 激光扫描仪和 GPS 定位系统提供精确真值。采集场景覆盖卡尔斯鲁厄市区、乡村道路和高速公路，每张图像中最多可见约15辆车和30个行人，并包含不同程度的遮挡与截断。
主要任务与基准包括：立体视觉（Stereo 2012/2015）、光流（Flow 2012/2015）、深度补全与深度预测、2D/3D目标检测与鸟瞰图检测、多目标跟踪、多目标跟踪与分割（MOTS）、逐像素分割与跟踪、语义分割（像素级与实例级）、视觉里程计以及道路检测等。平台为每个基准提供评测指标和在线评测网站，并允许提交结果进行排名。
使用方式：用户可从官网下载原始数据、各任务基准数据及开发工具包（devkit），在本地训练和测试算法后，通过评测网站提交结果。提交有频率限制，目前每月最多3次，不同基准分别计数。
许可与限制：所有数据集和基准采用 Creative Commons Attribution-NonCommercial-ShareAlike 3.0 许可，仅限学术用途，不得用于商业目的；使用时需按作者要求署名引用，若修改或基于该数据构建作品，需以相同许可分发。官网也提供隐私政策，若个人或物品出现在数据中并感到不适，可联系移除。
引用要求：使用 stereo 2012、flow 2012、odometry、目标检测或跟踪基准时需引用 Geiger 等 2012 年 CVPR 论文；使用原始数据集需引用 Geiger 等 2013 年 IJRR 论文；道路基准需引用 Fritsch 等 2013 年 ITSC 论文；stereo 2015、flow 2015 和 scene flow 2015 基准需引用 Menze 与 Geiger 2015 年 CVPR 论文。
平台持续更新，例如2021年2月跟踪与 MOTS 评测改用 HOTA 指标和 TrackEval 代码库，2019年12月新增 MOTS 基准，2018年3月新增语义分割与实例分割基准，2017年12月新增深度补全与单图深度预测基准，2017年7月新增3D目标检测与鸟瞰图评测。
