LiDAR-anteckningsprojekt för SmartCity autonoma fordon
Projektöversikt
SmartCity, ett snabbt växande storstadsområde, initierade ett ambitiöst projekt för att introducera autonoma fordon (AV) för kollektivtrafik. För att säkerställa säker och effektiv drift av dessa AV:er behövde de en stor mängd exakt kommenterade LiDAR- och kameradata som representerade stadens olika miljöer. SmartCity samarbetade med Shaip, ett ledande dataannoteringsföretag, för att hantera denna avgörande uppgift.
Shaip fick i uppdrag att kommentera 15,000 3 bildrutor med sensordata som samlats in från SmartCitys gator. Varje bildruta innehöll data från 32 Velodyne VLP-4C LiDAR och XNUMX högupplösta kameror, som fångar ett brett utbud av urbana scenarier
Utmaningar
Den stora mängden data och kravet på både 2D- och 3D-kommentarer utgjorde en betydande utmaning.
SmartCitys varierade landskap, från täta stadskärnor till förortsområden, krävde anpassningsbara anteckningsstrategier.
Att upprätthålla konsekventa objekt-ID:n över olika sensorer och flera ramar var avgörande för att träna pålitliga AI-modeller.
Se till att all personlig identifierbar information var ordentligt maskerad samtidigt som användbar data bevaras.
SmartCity behövde slutföra projektet inom fyra månader för att uppfylla deras AV-distributionsschema.
Shaips tillvägagångssätt
Sammansatt ett team på 50 erfarna annotatorer, 10 kvalitetskontrollanter och 3 projektledare.
Utvecklade egenutvecklad programvara som integrerade 2D- och 3D-anteckningsarbetsflöden, vilket förbättrade effektiviteten och konsistensen.
Genomförde intensiva utbildningssessioner om SmartCitys specifika anteckningskrav och integritetsriktlinjer.
Använde AI-assisterad förannotering för att påskynda processen, särskilt för vanliga föremål som bilar och fotgängare.
Resultat
- Slutförde projektet på 3.5 månader, två veckor före schemat.
- Uppnådde 99.7 % anteckningsnoggrannhet, vilket överträffade SmartCitys förväntningar.
- Framgångsrikt kommenterat över 450,000 XNUMX unika objekt i alla ramar.
- Upprätthöll konsekventa ID för 98 % av objekten över flera ramar.
- Maskerade alla registreringsskyltar och ansikten ordentligt, vilket säkerställer integritetsefterlevnad.
Slutsats
Shaips framgångsrika genomförande av detta storskaliga LiDAR-anteckningsprojekt spelade en avgörande roll i SmartCitys initiativ för autonoma fordon. Projektet visade vikten av att kombinera skickliga mänskliga annotatorer med avancerade AI-assisterade verktyg för att hantera komplexa, multisensordataanteckningsuppgifter effektivt och korrekt.
De högkvalitativa annoterade data gjorde det möjligt för SmartCity att träna sina AV-system mer effektivt, vilket minskade tiden som behövs för tester i verkligheten med 30 %. De konsekventa och korrekta anteckningarna förbättrade särskilt AV:s objektspårnings- och prediktionsmöjligheter i komplexa stadsmiljöer.
