Anotasi LiDAR Berbilang Modal Kereta Api dan 2D
Bagaimana Shaip menyampaikan salah satu projek yang paling pelbagai jenis anotasi dalam domain AI rel — menggabungkan imejan kamera 2D dan awan titik LiDAR 3D merentasi lebih 39 kelas objek dan 8 jenis label berbeza untuk memperkasakan persepsi kereta api autonomi dan sistem keselamatan kereta api.
Gambaran Keseluruhan projek
Ketika persepsi kereta api autonomi bergerak ke arah penggunaan pengeluaran, pelanggan memerlukan saluran paip anotasi berbilang modal berskala besar yang mampu melabelkan persekitaran kereta api penuh merentasi imejan kamera 2D dan data awan titik LiDAR 3D dengan ketepatan ruang yang konsisten.
Shaip membina saluran anotasi berbilang modal hujung ke hujung yang meliputi 8 jenis label berbeza, 39+ kelas objek dan 25+ klasifikasi keadaan isyarat merentasi sistem isyarat H/V dan Ks — menyediakan set data sedia model yang disahkan silang untuk autonomi kereta api dan AI keselamatan.
Status Utama
Kelas Objek
39 +
Jenis Anotasi
8
Keadaan Isyarat
25 +
Modaliti
2D + 3D
Cabaran
- pengendalian Anotasi berbilang modal 2D + 3D dengan konsistensi ruang yang disahkan silang
- Menganotasi 39+ kelas objek merangkumi manusia, kenderaan, infrastruktur, haiwan dan objek keselamatan
- Beroperasi merentasi 8 jenis anotasi — Kotak sempadan 2D/3D, kuboid, poligaris, poligon
- Mengelaskan 25+ keadaan isyarat berbeza merentasi sistem isyarat Jerman H/V dan Ks
- Memohon logik ambang orang ramai dan anotasi trek berterusan di bawah objek wagon
Penyelesaian
Saluran Paip Anotasi Berbilang Modal
Shaip mengkonfigurasi saluran anotasi kamera 2D dan 3D-LiDAR selari dengan pengesahan silang antara modaliti. Anotator berfungsi serentak dengan kedua-dua sumber data untuk memastikan ketekalan ruang, dengan keadaan oklusi dinilai semata-mata daripada data awan titik dan bukannya imej 2D.
39+ Kelas Ontologi
Ontologi anotasi merangkumi orang (dengan kumpulan umur, alat bantuan mobiliti, peranan fungsi, postur badan, membawa barang, dan atribut gangguan), kenderaan (basikal, motosikal, kenderaan jalan raya mengikut subkategori), 18 spesies haiwan, dan infrastruktur rel termasuk landasan, suis, tiang katenari, isyarat, hentian penimbal, jambatan isyarat, kasut seret, dan objek ujian reflektif.
Pengelasan Keadaan Isyarat
Isyarat telah dianotasi dengan pengelasan aspek terperinci merentasi sistem isyarat H/V dan Ks, meliputi lebih 25 keadaan isyarat yang berbeza. Anotator mengenal pasti aspek isyarat yang tepat dari pandangan hadapan dan belakang, membezakan antara isyarat cahaya dan bentuk merentasi pelbagai sistem isyarat kereta api Jerman.
Ambang Orang Ramai & Logik Kumpulan
Anotasi orang ramai memerlukan ambang minimum 6 orang yang bertindih sebelum beralih daripada anotasi individu kepada kumpulan. Kumpulan basikal dan kumpulan haiwan mengikuti logik ambang yang sama dengan peraturan postur dan spesies yang konsisten dalam kumpulan. Ini memastikan pemandangan berketumpatan tinggi dilabelkan dengan kecekapan operasi tanpa mengorbankan perincian.
Anotasi Trek Berterusan
Landasan telah dianotasi secara berterusan walaupun di bawah objek kereta api atau gerabak, dengan kawasan suis dan hentian penimbal dipetakan dengan tepat. Lapisan kesinambungan ini penting untuk model perancangan laluan kereta api hiliran dan pengesanan halangan.
Skop projek
| Jenis Set Data | Modaliti | kelas | Jenis Label | Keadaan Isyarat | Systems |
|---|---|---|---|---|---|
| Persepsi persekitaran kereta api | LiDAR 2D + 3D | 39 + | 8 (kotak, kuboid, poligaris, poligon) | 25 + | H/V, Ks |
Hasil
- Ditubuhkan a saluran paip anotasi LiDAR 2D + 3D berbilang modal untuk persepsi kereta api autonomi
- Diperkayakan 39+ ontologi kelas objek merangkumi manusia, kenderaan, haiwan dan infrastruktur kereta api
- Dihantar 25+ klasifikasi keadaan isyarat merentasi sistem isyarat Jerman H/V dan Ks
- Dilaksanakan logik ambang orang ramai dan anotasi landasan berterusan di bawah gerabak
- Membolehkan klien AI kereta api autonomi, keselamatan dan pengesanan halangan pelan tindakan
Secara keseluruhannya, Shaip telah membantu mengubah keperluan persepsi rel berbilang modal kepada saluran paip anotasi berstruktur dan sedia untuk pengeluaran — saluran paip yang mampu menyokong operasi kereta api autonomi, AI keselamatan kereta api dan sistem pengecaman isyarat dengan konsistensi ruang 2D-3D yang disahkan silang pada skala.
Shaip mengendalikan kerumitan anotasi yang kebanyakan vendor tidak akan sentuh. 39+ kelas, 8 jenis label, 25+ keadaan isyarat, pengesahan silang 2D + 3D — dan mereka menyampaikannya sebagai saluran paip terselaras tunggal. Hasilnya, model persepsi rel kami dilatih dengan lebih pantas.
