Nathan Kurtz,Autoliv
Arvind Jayaraman,Mathworks
在自动驾驶的世界中,感应精度最重要,证明您的传感器可以做这项工作是严肃的事业。这就是地面真理标签在自动活动的验证过程中具有重要作用。目前,注释地面真理数据是一种繁琐的手动努力,涉及找到兴趣的重要事件,并使用人眼确定激光乐队点云图像的对象。此通话显示了在Matlab中开发的工具®以减轻用激光雷达传感器标记点云数据所带来的痛苦,以及该工具为标记提供的优势。讨论了该工具的功能,包括帮助用户在点云数据中可视化、导航和标注对象;在多帧时间内跟踪这些物体;然后使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可用于发现假阴性事件的感兴趣的车辆对象。用人工分析师来做这件事需要的时间和回放整个数据集的时间一样多。然而,使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。这个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Autoliv的验证过程提供实质性的好处。
记录:2018年5月2日
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。