Progetto di annotazione LiDAR per veicoli autonomi SmartCity
Panoramica del progetto
SmartCity, un'area metropolitana in rapida crescita, ha avviato un ambizioso progetto per introdurre veicoli autonomi (AV) per il trasporto pubblico. Per garantire un funzionamento sicuro ed efficiente di questi AV, avevano bisogno di una grande quantità di dati LiDAR e di telecamere annotati con precisione che rappresentassero i diversi ambienti della città. SmartCity ha collaborato con Shaip, un'azienda leader nell'annotazione dei dati, per gestire questo compito cruciale.
A Shaip è stato assegnato il compito di annotare 15,000 frame di dati dei sensori raccolti dalle strade di SmartCity. Ogni frame conteneva dati da 3 Velodyne VLP-32C LiDAR e 4 telecamere ad alta risoluzione, che catturavano un'ampia gamma di scenari urbani
Le sfide
Volume e complessità
L'enorme quantità di dati e la necessità di annotazioni sia 2D che 3D rappresentavano una sfida significativa.
Ambienti diversi
Il panorama variegato di SmartCity, dai densi centri urbani alle aree suburbane, richiedeva strategie di annotazione adattabili.
Consistenza
Mantenere ID degli oggetti coerenti su diversi sensori e più frame è stato fondamentale per addestrare modelli di intelligenza artificiale affidabili.
Preoccupazioni relative alla privacy
Garantire che tutte le informazioni personali identificabili siano adeguatamente mascherate, preservando al contempo i dati utili.
Tempistiche strette
SmartCity aveva bisogno che il progetto fosse completato entro 4 mesi per rispettare il programma di implementazione dei sistemi AV.
L'approccio di Shaip
eventi
È stato creato un team di 50 annotatori esperti, 10 addetti al controllo qualità e 3 project manager.
Strumenti personalizzati
Ha sviluppato un software proprietario che integra flussi di lavoro di annotazione 2D e 3D, migliorando l'efficienza e la coerenza.
Formazione
Sono state condotte sessioni di formazione intensive sui requisiti specifici di annotazione e sulle linee guida sulla privacy di SmartCity.
Automazione
È stata utilizzata la pre-annotazione assistita dall'intelligenza artificiale per accelerare il processo, soprattutto per oggetti comuni come automobili e pedoni.
Risultato
- Completato il progetto in 3.5 mesi, due settimane prima del previsto.
- Ottenuto un livello di precisione delle annotazioni del 99.7%, superando le aspettative di SmartCity.
- Annotati con successo oltre 450,000 oggetti univoci in tutti i frame.
- Mantenuti ID coerenti per il 98% degli oggetti in più frame.
- Tutte le targhe e i volti sono stati opportunamente mascherati, garantendo il rispetto della privacy.
Conclusione
L'esecuzione di successo di questo progetto di annotazione LiDAR su larga scala da parte di Shaip ha svolto un ruolo fondamentale nell'iniziativa sui veicoli autonomi di SmartCity. Il progetto ha dimostrato l'importanza di combinare annotatori umani qualificati con strumenti avanzati assistiti dall'intelligenza artificiale per gestire in modo efficiente e accurato attività di annotazione di dati multi-sensore complesse.
I dati annotati di alta qualità hanno consentito a SmartCity di addestrare i propri sistemi AV in modo più efficace, riducendo del 30% il tempo necessario per i test nel mondo reale. Le annotazioni coerenti e accurate hanno migliorato in particolare le capacità di tracciamento e previsione degli oggetti degli AV in ambienti urbani complessi.
