内森·库尔茨Autoliv
Arvind Jayaraman MathWorks
在自动驾驶的世界里,感知精度是最重要的,证明你的传感器可以完成这项工作是非常重要的。这就是ground truth labeling在Autoliv的验证过程中起着重要作用的地方。目前,标注地面真实数据是一项繁琐的手工工作,包括寻找感兴趣的重要事件,以及使用人眼从激光雷达点云图像中确定目标。这个演讲展示了一个用MATLAB开发的工具®以减轻与标记来自激光雷达传感器的点云数据相关的一些痛苦,以及该工具为标记器提供的优势。讨论了该工具的功能,包括帮助用户在点云数据中可视化、导航和注释对象;通过多帧时间跟踪这些对象;然后利用标记数据开发基于机器学习的分类器。该演讲还描述了如何使用标记过程的输出来训练深度神经网络,以提供一种完全自动化的方式来产生感兴趣的车辆对象,可用于发现假阴性事件。通过人工分析完成这一任务所花费的时间与回放整个数据集所花费的时间相同。然而,采用完全自动化的方法,它可以在许多计算机上运行,以减少分析时间。本视频展示了节省的时间以及标签的准确性,以及这种方法如何为奥托立夫的验证过程提供实质性的好处。
记录:2018年5月2日
你也可以从以下列表中选择一个网站:
请选择表现最佳的中国网站(中文或英文)。MathWorks的其他国家网站并没有针对您所在位置的访问进行优化。