LiDAR-Annotationsprojekt für autonome SmartCity-Fahrzeuge
Projektübersicht
SmartCity, eine schnell wachsende Metropolregion, hat ein ehrgeiziges Projekt zur Einführung autonomer Fahrzeuge (AVs) für den öffentlichen Nahverkehr gestartet. Um einen sicheren und effizienten Betrieb dieser AVs zu gewährleisten, benötigten sie eine große Menge präzise annotierter LiDAR- und Kameradaten, die die unterschiedlichen Umgebungen der Stadt repräsentieren. SmartCity ging für diese wichtige Aufgabe eine Partnerschaft mit Shaip ein, einem führenden Unternehmen für Datenannotation.
Shaip wurde beauftragt, 15,000 Frames mit Sensordaten zu kommentieren, die auf den Straßen von SmartCity gesammelt wurden. Jeder Frame enthielt Daten von 3 Velodyne VLP-32C LiDARs und 4 hochauflösenden Kameras und erfasste eine breite Palette von städtischen Szenarien
Challenges
Volumen und Komplexität
Die schiere Menge an Daten und die Notwendigkeit sowohl von 2D- als auch 3D-Anmerkungen stellten eine erhebliche Herausforderung dar.
Verschiedene Umgebungen
Die abwechslungsreiche Landschaft von SmartCity, von dicht besiedelten Stadtzentren bis hin zu Vororten, erfordert anpassbare Anmerkungsstrategien.
Konsistenz
Für das Training zuverlässiger KI-Modelle war es von entscheidender Bedeutung, konsistente Objekt-IDs über verschiedene Sensoren und mehrere Frames hinweg beizubehalten.
Datenschutzerklärung
Sicherstellen, dass alle personenbezogenen Daten ordnungsgemäß maskiert wurden, während nützliche Daten erhalten blieben.
Enger Zeitplan
Um den Zeitplan für die AV-Bereitstellung einzuhalten, musste SmartCity das Projekt innerhalb von 4 Monaten abschließen.
Shaips Ansatz
Persönlich & Einlasslösungen
Ein Team aus 50 erfahrenen Annotatoren, 10 Qualitätsprüfern und 3 Projektmanagern wurde zusammengestellt.
Benutzerdefinierte Tools
Entwickelte proprietäre Software, die 2D- und 3D-Annotation-Workflows integrierte und so die Effizienz und Konsistenz verbesserte.
Training
Durchführung intensiver Schulungen zu den spezifischen Annotationsanforderungen und Datenschutzrichtlinien von SmartCity.
Automation
Zur Beschleunigung des Vorgangs wurde eine KI-gestützte Vorannotation genutzt, insbesondere bei häufig vorkommenden Objekten wie Autos und Fußgängern.
Ergebnis
- Das Projekt wurde in 3.5 Monaten abgeschlossen, zwei Wochen früher als geplant.
- Eine Anmerkungsgenauigkeit von 99.7 % wurde erreicht und damit wurden die Erwartungen von SmartCity übertroffen.
- Über 450,000 einzigartige Objekte in allen Frames erfolgreich annotiert.
- Für 98 % der Objekte wurden über mehrere Frames hinweg konsistente IDs beibehalten.
- Alle Nummernschilder und Gesichter wurden ordnungsgemäß abgedeckt, um die Einhaltung des Datenschutzes zu gewährleisten.
Fazit
Die erfolgreiche Durchführung dieses groß angelegten LiDAR-Annotationsprojekts durch Shaip spielte eine entscheidende Rolle bei der Initiative für autonome Fahrzeuge von SmartCity. Das Projekt zeigte, wie wichtig es ist, erfahrene menschliche Annotatoren mit fortschrittlichen KI-gestützten Tools zu kombinieren, um komplexe Aufgaben zur Datenannotation mehrerer Sensoren effizient und genau zu bewältigen.
Die hochwertigen, annotierten Daten ermöglichten es SmartCity, ihre autonomen Fahrzeuge effektiver zu trainieren und den Zeitaufwand für Praxistests um 30 % zu reduzieren. Die konsistenten und präzisen Annotationen verbesserten insbesondere die Objekterkennungs- und Vorhersagefähigkeiten der autonomen Fahrzeuge in komplexen städtischen Umgebungen.
