論文の概要: An Efficient Semi-Automated Scheme for Infrastructure LiDAR Annotation
- arxiv url: http://arxiv.org/abs/2301.10732v1
- Date: Wed, 25 Jan 2023 17:42:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-26 14:44:27.028858
- Title: An Efficient Semi-Automated Scheme for Infrastructure LiDAR Annotation
- Title（参考訳）: インフラLiDARアノテーションのための効率的な半自動スキーム
- Authors: Aotian Wu, Pan He, Xiao Li, Ke Chen, Sanjay Ranka, Anand Rangarajan
- Abstract要約: トラッキングアルゴリズムを用いてLiDARシーケンスを自動的にアノテートする,効率的な半自動アノテーションツールを提案する。
本ツールでは,マルチオブジェクト追跡(MOT),シングルオブジェクト追跡(SOT),適切なトラック後処理手法をシームレスに統合する。
- 参考スコア（独自算出の注目度）: 15.523875367380196
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Most existing perception systems rely on sensory data acquired from cameras,
which perform poorly in low light and adverse weather conditions. To resolve
this limitation, we have witnessed advanced LiDAR sensors become popular in
perception tasks in autonomous driving applications. Nevertheless, their usage
in traffic monitoring systems is less ubiquitous. We identify two significant
obstacles in cost-effectively and efficiently developing such a LiDAR-based
traffic monitoring system: (i) public LiDAR datasets are insufficient for
supporting perception tasks in infrastructure systems, and (ii) 3D annotations
on LiDAR point clouds are time-consuming and expensive. To fill this gap, we
present an efficient semi-automated annotation tool that automatically
annotates LiDAR sequences with tracking algorithms while offering a fully
annotated infrastructure LiDAR dataset -- FLORIDA (Florida LiDAR-based Object
Recognition and Intelligent Data Annotation) -- which will be made publicly
available. Our advanced annotation tool seamlessly integrates multi-object
tracking (MOT), single-object tracking (SOT), and suitable trajectory
post-processing techniques. Specifically, we introduce a human-in-the-loop
schema in which annotators recursively fix and refine annotations imperfectly
predicted by our tool and incrementally add them to the training dataset to
obtain better SOT and MOT models. By repeating the process, we significantly
increase the overall annotation speed by three to four times and obtain better
qualitative annotations than a state-of-the-art annotation tool. The human
annotation experiments verify the effectiveness of our annotation tool. In
addition, we provide detailed statistics and object detection evaluation
results for our dataset in serving as a benchmark for perception tasks at
traffic intersections.
- Abstract（参考訳）: 既存の知覚システムはカメラから取得したセンサーデータに依存しており、低照度や悪天候環境では性能が悪い。
この制限を解決するために、自動運転アプリケーションにおける認識タスクにおいて、高度なLiDARセンサが普及するのを目撃した。
それでも、交通監視システムにおける彼らの利用は、あまり普及していない。
低コストかつ効率的なLiDARベースの交通監視システム開発における2つの重要な障害を特定した。
i)公共のLiDARデータセットは、インフラシステムの認識タスクを支援するには不十分であり、
(ii)LiDARポイントクラウド上の3Dアノテーションは、時間と費用がかかります。
このギャップを埋めるために、私たちは、完全な注釈付きインフラストラクチャLiDARデータセット -- FLORIDA (Florida LiDARベースのObject RecognitionとIntelligent Data Annotation) -- を提供しながら、トラッキングアルゴリズムでLiDARシーケンスを自動的にアノテーションする効率的な半自動アノテーションツールを紹介します。
我々の高度なアノテーションツールは、マルチオブジェクト追跡(MOT)、シングルオブジェクト追跡(SOT)、適切な軌跡後処理技術をシームレスに統合する。
具体的には、アノテータがツールによって予測されたアノテーションを再帰的に修正し、洗練し、トレーニングデータセットにインクリメンタルに追加し、より良いSOTとMOTモデルを得る。
このプロセスを繰り返して、アノテーション全体の速度を3～4倍に向上させ、最先端のアノテーションツールよりも質的なアノテーションを得る。
ヒトのアノテーション実験は、アノテーションツールの有効性を検証する。
さらに、交通交差点における知覚タスクのベンチマークとして、データセットの詳細な統計とオブジェクト検出評価結果を提供する。
関連論文リスト
- TLD-READY: Traffic Light Detection -- Relevance Estimation and Deployment Analysis [9.458657306918859]
効率的な交通信号検出は、自動運転車における知覚スタックの重要な構成要素である。
本研究は,先行研究の課題に対処しつつ,新たなディープラーニング検出システムを導入する。
本稿では,道路上の矢印マークを革新的に利用し,事前地図作成の必要性を解消する関連性推定システムを提案する。
論文 参考訳（メタデータ） (2024-09-11T14:12:44Z) - Multi-Modal Data-Efficient 3D Scene Understanding for Autonomous Driving [58.16024314532443]
我々は、異なるLiDARスキャンからレーザービーム操作を統合するフレームワークであるLaserMix++を導入し、データ効率の学習を支援するためにLiDAR-カメラ対応を組み込んだ。
結果は、LaserMix++が完全に教師付き代替よりも優れており、5倍のアノテーションで同等の精度を実現していることを示している。
この大幅な進歩は、LiDARベースの3Dシーン理解システムにおける広範囲なラベル付きデータへの依存を減らすための半教師付きアプローチの可能性を示している。
論文 参考訳（メタデータ） (2024-05-08T17:59:53Z) - 3D Object Detection and High-Resolution Traffic Parameters Extraction
Using Low-Resolution LiDAR Data [14.142956899468922]
本研究では,複数のLiDARシステムの必要性を緩和し,無駄な3Dアノテーションプロセスを簡単にする,革新的なフレームワークを提案する。
2次元境界箱検出と抽出された高さ情報を用いて,人間の介入なしに3次元境界箱を自動的に生成することができる。
論文 参考訳（メタデータ） (2024-01-13T01:22:20Z) - Refining the ONCE Benchmark with Hyperparameter Tuning [45.55545585587993]
本研究は、ポイントクラウドデータに対する半教師付き学習アプローチの評価に焦点を当てる。
データアノテーションは、LiDARアプリケーションのコンテキストにおいて最も重要である。
従来の半教師付き手法による改善は,従来考えられていたほど深くない可能性が示唆された。
論文 参考訳（メタデータ） (2023-11-10T13:39:07Z) - Unsupervised Domain Adaptation for Self-Driving from Past Traversal
Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。
提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。
実世界のデータセットの実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-09-21T15:00:31Z) - Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。
本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。
次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
論文 参考訳（メタデータ） (2021-05-20T17:52:37Z) - Learnable Online Graph Representations for 3D Multi-Object Tracking [156.58876381318402]
3D MOT問題に対する統一型学習型アプローチを提案します。
我々は、完全にトレーニング可能なデータアソシエーションにNeural Message Passing Networkを使用します。
AMOTAの65.6%の最先端性能と58%のIDスウィッチを達成して、公開可能なnuScenesデータセットに対する提案手法のメリットを示す。
論文 参考訳（メタデータ） (2021-04-23T17:59:28Z) - FLAVA: Find, Localize, Adjust and Verify to Annotate LiDAR-Based Point
Clouds [93.3595555830426]
アノテーションプロセスにおけるヒューマンインタラクションを最小化するための体系的アプローチであるFLAVAを提案する。
具体的には、アノテーションパイプラインを、検索、ローカライズ、調整、検証の4つの部分に分割します。
また,本システムでは,実験結果を伝搬する軽量で効果的な機構を導入することにより,インタラクションの量を大幅に削減する。
論文 参考訳（メタデータ） (2020-11-20T02:22:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。