Nathan Kurtz,Autoliv
Arvind Jayaraman,Mathworks
在自动驾驶的世界中,感应精度最重要,证明您的传感器可以做这项工作是严肃的事业。这就是地面真理标签在自动活动的验证过程中具有重要作用。目前,注释地面真理数据是一种繁琐的手动努力,涉及找到兴趣的重要事件,并使用人眼确定激光乐队点云图像的对象。此通话显示了在Matlab中开发的工具®减轻了激光雷达传感器标记点云数据的一些麻烦,以及该工具为标记者提供的优势。讨论了该工具的功能,包括协助用户可视化、导航和注释点云数据中的对象;通过多帧时间跟踪这些对象;然后使用标记数据来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感兴趣的车辆对象,该对象可用于发现假阴性事件。通过人工分析师来完成这一工作,所花费的时间与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。这个视频展示了时间节省和标签的准确性,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:2018年5月2日
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。
本网站使用cookie来改善用户体验,个性化内容和广告,并分析网站流量。如果您继续使用本网站,即表示您同意我们使用cookies。请参阅我们的隐私政策了解更多关于cookie和如何更改您的设置。