LiDAR Annotation Project for SmartCity Autonome Vehicles
Projektoversigt
SmartCity, et hastigt voksende storbyområde, indledte et ambitiøst projekt for at introducere autonome køretøjer (AV'er) til offentlig transport. For at sikre sikker og effektiv drift af disse AV'er havde de brug for en stor mængde nøjagtigt annoterede LiDAR- og kameradata, der repræsenterer byens forskellige miljøer. SmartCity samarbejdede med Shaip, en førende dataannoteringsvirksomhed, for at håndtere denne afgørende opgave.
Shaip fik til opgave at kommentere 15,000 frames af sensordata indsamlet fra SmartCitys gader. Hver frame indeholdt data fra 3 Velodyne VLP-32C LiDAR'er og 4 højopløsningskameraer, der fangede en lang række byscenarier
Udfordringer
Volumen og kompleksitet
Alene mængden af data og kravet om både 2D- og 3D-annoteringer udgjorde en betydelig udfordring.
Forskellige miljøer
SmartCitys varierede landskab, fra tætte bycentre til forstæder, krævede tilpasningsdygtige annoteringsstrategier.
Sammenhæng
At opretholde konsistente objekt-id'er på tværs af forskellige sensorer og flere frames var afgørende for at træne pålidelige AI-modeller.
Beskyttelse af personlige oplysninger
Sikring af, at alle personlige identificerbare oplysninger var korrekt maskeret, samtidig med at nyttige data bevares.
Stram tidslinje
SmartCity havde brug for projektet afsluttet inden for 4 måneder for at overholde deres AV-implementeringsplan.
Shaips tilgang
Staffing
Samlede et team på 50 erfarne annotatorer, 10 kvalitetskontrollører og 3 projektledere.
Brugerdefinerede værktøjer
Udviklet proprietær software, der integrerede 2D- og 3D-annoteringsarbejdsgange, hvilket øger effektiviteten og ensartetheden.
Kurser
Gennemførte intensive træningssessioner om SmartCitys specifikke annoteringskrav og retningslinjer for beskyttelse af personlige oplysninger.
Automation
Brugte AI-assisteret præ-annotering til at fremskynde processen, især for almindelige genstande som biler og fodgængere.
Resultat
- Fuldførte projektet på 3.5 måneder, to uger før tidsplanen.
- Opnåede 99.7 % annotationsnøjagtighed, hvilket oversteg SmartCitys forventninger.
- Annoterede over 450,000 unikke objekter på tværs af alle rammer.
- Opretholdt konsistente ID'er for 98 % af objekter på tværs af flere rammer.
- Korrekt maskeret alle nummerplader og ansigter, hvilket sikrer overholdelse af privatlivets fred.
Konklusion
Shaips vellykkede udførelse af dette storstilede LiDAR-annoteringsprojekt spillede en central rolle i SmartCitys initiativ for autonome køretøjer. Projektet demonstrerede vigtigheden af at kombinere dygtige menneskelige annotatorer med avancerede AI-assisterede værktøjer til at håndtere komplekse, multi-sensor dataannoteringsopgaver effektivt og præcist.
De højkvalitets annoterede data gjorde det muligt for SmartCity at træne deres AV-systemer mere effektivt, hvilket reducerede den nødvendige tid til test i den virkelige verden med 30 %. De konsistente og nøjagtige annoteringer forbedrede især AV'ernes objektsporings- og forudsigelsesmuligheder i komplekse bymiljøer.
