内森·库尔茨Autoliv
Arvind Jayaraman MathWorks
在自动驾驶的世界里,传感精度是至关重要的,证明你的传感器可以完成这项工作是一件严肃的事情。这就是ground truth标签在Autoliv的验证过程中发挥重要作用的地方。目前,标注地面真实数据是一项乏味的手工工作,包括寻找感兴趣的重要事件,并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。
记录时间:2018年5月2日
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。