面向映射特征检测的自动图像标注

检测道路特征是自动驾驶和定位的关键使能器。例如，可靠检测遍布道路环境中的灯杆可以提高定位精度。现代基于深度学习的感知系统需要大量标注数据。自动标注可避免繁琐且昂贵的手动标注。由于自动方法容易出错，管理标注不确定性对于确保良好的学习过程至关重要。将同一数据集上的多个标注来源进行融合是一种有效的降低误差的方法。这不仅提高了标注质量，也提高了感知模型的学习。在本文中，我们考虑了三种自动标注方法在图像中的融合：从高精度矢量地图结合激光雷达的特征投影、图像分割和激光雷达分割。我们的实验结果通过在手动标注图像上的比较评估，展示了多模态自动标注对于灯杆检测的显著优势。最终得到的多模态融合用于使用未标记数据对目标检测模型进行灯杆基座检测的微调，显示了通过增强网络专业化所实现的整体改进。该数据集已公开。