|
在自动驾驶的世界里，传感的准确性是最重要的，而证明自动驾驶系统的传感器能够完成这项工作是很严肃的事情。这就是地面真值标签在奥托立夫(现在的维宁尔)的验证过程中的重要作用。目前，对地面真值数据进行标注是一项繁琐的手工工作，需要找到感兴趣的重要事件，并使用人眼从LiDAR点云图像中确定物体。自动驾驶汽车的发展见证了硬件传感器记录传感数据的能力和准确性的发展。传感器的数量增加了，新一代的传感器记录了更高的分辨率和更精确的测量。所有自驾车辆（AV）都使用一组硬件传感器来识别周围的物理环境。硬件传感器包括摄像头或一组摄像头，它们被战略性地放置在车身周围以捕捉2D视觉数据，还有一些安装在车辆顶部的雷达以捕捉3D位置数据。特斯拉等一些供应商认为，视觉数据足以让汽车识别环境。其他供应商使用激光雷达传感器来捕捉车辆周围物体的三维位置数据。二维视觉数据与三维位置数据的融合使AV系统对周围环境有了准确的了解。计算机视觉是计算机科学的一个分支，它使用相机或相机组合来处理二维视觉数据。这使得计算机能够识别汽车、卡车、自行车、行人、道路、车道标线、交通信号、建筑物和地平线。从本质上讲，摄像头数据是二维的。而且它不提供与物体的距离。尽管相机传感器的焦距和孔径可以用来近似地确定物体的深度，但鉴于相机传感器在将三维场景捕捉到二维平面上时固有的信息损失，精确定位是不可能的。雷达技术已被用于空中交通管理等地方的飞行物体定位。车载毫米波雷达可以用来估计目标的位置和速度。它不能用来对汽车、人、交通灯或建筑物等物体进行分类，因为其类型的精确度太低。激光雷达是一种使用激光技术来估计周围物体的位置和速度的硬件。激光雷达每秒可以生成多达200万个点云。激光雷达之所以可以用来测量物体的形状和轮廓，是因为它具有很高的精确度。尽管来自相机的RGB数据缺乏深度信息，但由激光雷达生成的点云数据却缺乏RGB数据中的纹理和颜色信息。例如，在点云数据中，来自20英尺的行人轮廓可能是一组点，可以被识别为多个不同的物体。另一方面，阴影所覆盖的视觉信息的低质量部分表明该物体是人。在点云中很难识别卡车旁边的人。而人可以很容易地通过视觉信息来识别。视觉和点云数据的融合产生了周围环境的感知模型，保留了视觉特征和精确的三维位置。除了准确性之外，它还有助于在传感器故障时提供冗余性。摄像机传感器数据与激光雷达点云数据的融合涉及二维投影和三维投影。激光雷达点云数据与相机数据的融合使注释者能够使用视觉和深度信息来创建更准确的注释。以Motional提供的最全面的开源数据集为例。这就是nuScenes数据集，它包括六个摄像头，三个前置和三个后置。捕获频率为12赫兹。像素分辨率为1600x900，图像代码为每个像素一个字节。相机数据是以每个相机镜头1.7MB/s的速度生成的。一个激光雷达被放置在汽车的顶部。激光雷达的捕获频率为20赫兹。它有32个通道，垂直视场从30度到+10度。其范围约为100米，精度为2厘米。它每秒可以收集140万个点。该激光雷达的输出数据率为26.7MB/s（20byte*1400,000）。帧间注释的插值将注释速度提高了10倍。自动驾驶车辆系统开发中最具挑战性的任务之一是管理大量的数据，这些数据被用来训练神经网络。随着分类和检测的推广，进一步提高性能所需的新训练数据量呈指数级增长。为了提高速度和降低注释新训练数据的成本，注释工具可以提供自动化。自动化的一个例子是激光雷达点云工具中帧间的注释插值。生成的传感器数据具有很高的精度。激光雷达点云数据精确到正负2厘米。摄像机数据是以1,600 x 900像素的分辨率记录的。高精度水平允许注释工具提供半自动的技术，以减少数据标记所需的手工工作。例如，考虑对点云数据的10个连续帧进行标注。每个激光雷达帧都配有6个相机帧。人工标注者使用标注工具在第1和第10帧中安装卡车的立方体。由于第1和第10帧中立方体的位置，注释工具可以自动将第2帧中立方体的位置插到第2和第10帧中。这大大减少了标注人员的工作量。这种半自动技术可以提高生产力，增加速度，并降低构建AI的成本。本PPT介绍了在MATLAB中开发的一个工具，以减轻与标记LiDAR传感器的点云数据相关的一些痛苦，以及该工具为标记者提供的优势。会上讨论了该工具的功能，包括协助用户在点云数据中对物体进行可视化、导航和注释；通过时间对这些物体进行多帧追踪；然后使用标记的数据来开发基于机器学习的分类器。该讲座还描述了如何利用标记过程的输出来训练深度神经网络，以提供一种完全自动化的方式来产生感兴趣的车辆对象，这可用于发现假阴性事件。如果由人类分析员来做这件事，需要的时间和回放整个数据集一样多。然而，有了完全自动化的方法，它可以在许多计算机上运行，以减少分析时间。这段视频显示了时间的节省以及实现的标签的准确性，以及这种方法如何为奥托立夫(现在维宁尔)的验证过程提供实质性的好处。
|
