内森·库尔茨Autoliv
Arvind Jayaraman MathWorks
在自动驾驶的世界里,感知精度是最重要的,证明你的传感器可以完成这项工作是一件非常重要的事情。这就是ground truth标签在Autoliv验证过程中扮演重要角色的地方。目前,地面真实数据的注释是一项繁琐的人工工作,包括找到感兴趣的重要事件,以及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®为了缓解与LIDAR传感器的标记点云数据相关的一些疼痛以及工具向贴标程序提供的优点。讨论该工具的能力,包括协助用户在点云数据中可视化,导航和注释对象;通过多个帧的时间跟踪这些对象;然后使用标记数据进行基于机器学习的分类器。谈话还描述了标签过程的输出如何用于培训深神经网络,以提供可以用于寻找误判事件的兴趣器的全自动方法。要与人类分析师执行此操作,需要花费尽可能多的时间播放整个数据集。但是,通过完全自动化的方法,可以在许多计算机上运行以减少分析时间。此视频显示时间储蓄以及所实现标签的准确性以及如何对Autoliv的验证过程提供大量益处。
录制日期:2018年5月2日
您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)以获得最佳的网站性能。其他MathWorks国家网站没有针对您所在位置的访问进行优化。
本网站使用cookie来改善您的用户体验,个性化内容和广告,并分析网站流量。通过继续使用本网站,您同意我们使用cookie。请看我们隐私政策要了解有关cookie的更多信息以及如何更改设置。