1. 首頁 > 生活百科 > 科技 > >

自動駕駛|詳解自動駕駛環境感知的\見聞色\——3D點云標注的應用場景

汽車自動駕駛

自動駕駛|詳解自動駕駛環境感知的\見聞色\——3D點云標注的應用場景

文章圖片

自動駕駛|詳解自動駕駛環境感知的\見聞色\——3D點云標注的應用場景

文章圖片

自動駕駛|詳解自動駕駛環境感知的\見聞色\——3D點云標注的應用場景

文章圖片


什么是3D點云

3D點云是將標注對象進行可視化以進行更加詳細的檢測和分類 ， 從而獲取維度精準的分割 。 在獲取物體表面每個采樣點的空間坐標后 ， 得到的是一個點的集合 ， 即為“點云” 。 包括三維坐標（XYZ）、激光反射強度（Intensity）和顏色信息（RGB） 。 三維數據本身就有一定的復雜性 ， 因此需要對數據先進行預處理
自動駕駛環境感知的\"見聞色\"
在自動駕駛技術中 ， 其感知系統主要通過Lidar激光雷達、Camera相機、Radar毫米波雷達3個類別的傳感器來進行道路環境感知

就目前自動駕駛階段來講 ， 激光雷達是幫助自動駕駛系統進行正確感知的重要傳感器
它通過發射和接受激光束 ， 分析激光遇到目標對象后的折返時間 ， 計算出目標對象與車的相對距離 。 并利用此過程中收集的目標對象表面大量密集的點的三維坐標、反射率和紋理等信息 ， 快速復建出被測目標的三維模型及線、面、體等各種圖件數據 ， 建立三維點云圖 ， 繪制出環境地圖 ， 以達到環境感知的目的
簡單來說 ， 激光雷達最大的優勢就是用3D點云為自動駕駛汽車精確\"描繪\"出周邊環境
與2D圖像數據相比 ， 3D點云數據中包含目標的距離、角度、反射強度、速度等信息 ， 不依賴于外界光照條件或目標本身的輻射特性 ， 可以更好的感知汽車周邊道路環境 ， 為感知系統提供決策依據 ， 堪稱自動駕駛界的\"見聞色\"


3D點云的優點：
點云表示保留了三維空間中原始的幾何信息 ， 不進行離散化

3D點云的缺點：
數據集規模小、高維性、三維點云具有非建構化特性
基于激光雷達生成的3D點云圖像標注
通過精細化的標注 ， 3D點云數據才可以用于自動駕駛系統訓練的訓練
具體實現形式是在激光雷達采集的點云圖像中 ， 通過3D矩形或者語義分割將道路目標物體（多類型指定對象：包括但不限于車輛、建筑、樹木、行人等等）精準標注出來

3D點云的應用場景
激光雷達生成的3D點云圖像經過標注可以用于自動駕駛系統訓練 ， 隨著性能的不斷提升 ， 自動駕駛技術需要的訓練數據量也隨之不斷增長
3D點云標注數據是自動駕駛技術的基礎訓練數據 ， 3D點云語義分割是指給點云中的每個點賦予相應的語義標簽 ， 對每個物體進行分割 ， 給予每個物體特定的標簽 ， 使我們對四周的物體有了更加細致的了解
在自動駕駛領域中 ， 通過3D點云語義分割將道路環境的點云數據進行分割 ， 可以識別出自動駕駛車輛行車中的行人、道路、汽車等物體 ， 使自動駕駛汽車可以在道路上安全行駛
3D點云的前景
計算機視覺的最終體現是三維視覺 ， 而三維視覺的表達方式則是點云 ， 點云處理在整個三維視覺領域占有非常重要的地位 ， 幾乎涉及所有相關領域 ， 因此 ， 3D點云的前景十分廣闊

數據標注的重要性
AI行業中一直流傳著這樣一句話：“有多少智能 ， 就有多少人工 。 ”這句話很大程度上道出了人工智能的本質 。 想要實現人工智能檢測的精準識別 ， 就需要大量的優質訓練數據 ， 隨著人工智能技術的不斷成熟 ， 對場景化數據的精準度要求將越來越高 ， 數據采集標注服務將變得越來越重要

相關經驗推薦