FLAVA：用于激光雷达点云标注的查找、定位、调整与验证方法
机器人学
2020-11-23 v1 计算机视觉与模式识别
人机交互
摘要
近年来，作为自动驾驶系统中广泛采用的传感器，激光雷达之上的感知算法取得了快速进展。这些基于激光雷达的解决方案通常数据需求量大，需要标注大量数据用于训练和评估。然而，由于点云的稀疏性和不规则性以及该过程中涉及的更复杂交互，标注此类数据非常具有挑战性。为应对这一问题，我们提出 FLAVA，一种在标注过程中最小化人工交互的系统化方法。具体而言，我们将标注流程划分为四个部分：查找、定位、调整与验证。此外，我们为标注过程的不同阶段精心设计了用户界面（UI），从而使标注者专注于各阶段最重要的方面。进一步地，我们的系统还通过引入一种轻量而有效的机制来传播标注结果，大幅减少了交互量。实验结果表明，我们的方法可显著加速该流程并提升标注质量。
引用
@article{arxiv.2011.10174,
title = {FLAVA: Find, Localize, Adjust and Verify to Annotate LiDAR-Based Point Clouds},
author = {Tai Wang and Conghui He and Zhe Wang and Jianping Shi and Dahua Lin},
journal= {arXiv preprint arXiv:2011.10174},
year = {2020}
}
备注
Full technical report for the UIST 2020 Poster version