Projet d'annotation LiDAR pour les véhicules autonomes SmartCity
Résumé du projet
SmartCity, une zone métropolitaine en pleine croissance, a lancé un projet ambitieux visant à introduire des véhicules autonomes (VA) dans les transports publics. Pour garantir un fonctionnement sûr et efficace de ces VA, ils avaient besoin d'une grande quantité de données LiDAR et de caméras annotées avec précision représentant les divers environnements de la ville. SmartCity s'est associée à Shaip, une société leader dans l'annotation de données, pour gérer cette tâche cruciale.
Shaip a été chargé d'annoter 15,000 3 images de données de capteurs collectées dans les rues de SmartCity. Chaque image contenait des données provenant de 32 LiDAR Velodyne VLP-4C et de XNUMX caméras haute résolution, capturant un large éventail de scénarios urbains
Défis
Volume et complexité
La quantité considérable de données et la nécessité d’annotations 2D et 3D représentaient un défi de taille.
Environnements diversifiés
Le paysage varié de SmartCity, des centres urbains denses aux zones suburbaines, nécessitait des stratégies d'annotation adaptables.
Cohérence
Le maintien d’identifiants d’objets cohérents sur différents capteurs et plusieurs trames était essentiel pour former des modèles d’IA fiables.
Questions de confidentialité
S'assurer que toutes les informations personnelles identifiables étaient correctement masquées tout en préservant les données utiles.
Calendrier serré
SmartCity avait besoin que le projet soit terminé dans un délai de 4 mois pour respecter son calendrier de déploiement AV.
L'approche de Shaip
Activités
J'ai constitué une équipe de 50 annotateurs expérimentés, 10 contrôleurs qualité et 3 chefs de projet.
Outils personnalisés
Développé un logiciel propriétaire intégrant les flux de travail d'annotation 2D et 3D, améliorant ainsi l'efficacité et la cohérence.
Entraînement
J'ai organisé des sessions de formation intensives sur les exigences spécifiques d'annotation et les directives de confidentialité de SmartCity.
Automatisation
L'annotation préalable assistée par l'IA a été utilisée pour accélérer le processus, en particulier pour les objets courants comme les voitures et les piétons.
Résultat
- Le projet a été terminé en 3.5 mois, avec deux semaines d’avance sur le calendrier.
- Atteint une précision d'annotation de 99.7 %, dépassant les attentes de SmartCity.
- Annoté avec succès plus de 450,000 XNUMX objets uniques dans tous les cadres.
- Maintien d'identifiants cohérents pour 98 % des objets sur plusieurs cadres.
- Masquer correctement toutes les plaques d'immatriculation et tous les visages, garantissant le respect de la vie privée.
Conclusion
La réussite de Shaip dans la mise en œuvre de ce projet d'annotation LiDAR à grande échelle a joué un rôle essentiel dans l'initiative de véhicule autonome de SmartCity. Le projet a démontré l'importance de combiner des annotateurs humains qualifiés avec des outils avancés assistés par l'IA pour gérer de manière efficace et précise des tâches complexes d'annotation de données multi-capteurs.
Les données annotées de haute qualité ont permis à SmartCity de former plus efficacement ses systèmes de véhicules autonomes, réduisant ainsi de 30 % le temps nécessaire aux tests en conditions réelles. Les annotations cohérentes et précises ont particulièrement amélioré les capacités de suivi et de prédiction des objets des véhicules autonomes dans des environnements urbains complexes.
