一种高效的基础设施激光雷达半自动标注方案
计算机视觉与模式识别
2023-01-26 v1
摘要
大多数现有的感知系统依赖于从相机获取的感觉数据，这些相机在低光照和恶劣天气条件下表现不佳。为解决这一局限，我们已看到先进的激光雷达（LiDAR）传感器在自动驾驶应用中的感知任务里变得流行。然而，它们在交通监控系统中的应用尚不普遍。我们识别出在低成本且高效地开发此类基于激光雷达的交通监控系统时存在两个重大障碍：(i) 公开的激光雷达数据集不足以支撑基础设施系统中的感知任务，以及 (ii) 激光雷达点云上的三维标注耗时且昂贵。为填补这一空白，我们提出了一种高效的半自动标注工具，该工具利用跟踪算法自动标注激光雷达序列，同时提供了一个完全标注的基础设施激光雷达数据集——FLORIDA（Florida LiDAR-based Object Recognition and Intelligent Data Annotation，基于佛罗里达激光雷达的目标识别与智能数据标注）——该数据集将公开可用。我们的先进标注工具无缝集成了多目标跟踪（MOT）、单目标跟踪（SOT）以及合适的轨迹后处理技术。具体而言，我们引入了一种人在回路（human-in-the-loop）模式，其中标注员递归地修正和完善由我们的工具不完美预测的标注，并逐步将其加入训练数据集以获得更好的 SOT 和 MOT 模型。通过重复该过程，我们将整体标注速度提升了三到四倍，并获得了优于最先进标注工具的定性标注结果。人工标注实验验证了我们的标注工具的有效性。此外，我们提供了数据集的详细统计信息和目标检测评估结果，以作为交通路口感知任务的基准。
引用
@article{arxiv.2301.10732,
title = {An Efficient Semi-Automated Scheme for Infrastructure LiDAR Annotation},
author = {Aotian Wu and Pan He and Xiao Li and Ke Chen and Sanjay Ranka and Anand Rangarajan},
journal= {arXiv preprint arXiv:2301.10732},
year = {2023}
}
备注
Submitted to IEEE Intelligent Transportation Systems Transactions