3D点云车道线标注难点
3D点云车道线标注的难点主要有三个：- 车道线难以观察：初始点云中的车道线用肉眼难以辨别，需要借助反射率颜色调整才能勉强看清；
- 3D点云数据的稀疏性：3D数据每个都是孤立的点，难以找到点与点之间的相邻关系，这为车道线识别带来巨大的困难；
- 实际应用中存在的问题：大量的弯道车道线、日积月累的消耗和损坏等，带来的形状和反射率失真问题，也为识别带来不小的难度。
Appen交互式车道线辅助标注模型
针对以上难点，Appen中国研发团队提出了交互式车道线辅助标注模型。通过该模型的应用，标注员只需要进行简单的拉框，将完整车道线拉入范围，模型就能够做到实时返回对车道线的预测结果。标注员基于预测结果进行简单的修改或调整即可完成标注，无论在效率还是准确率上都能够得到巨大的提升。Step1：圈定车道线范围
通过结合形态滤波算法、PCA等，得到一个快速且准确的地面点分割算法，能够极快地分割出地面点，去除地面意外的干扰点云。
Step2：二值化
利用 OTSU大津算法及三角算法同时进行二值化运算，将结果进行按比结合，能够同时应对双峰场景和单峰场景下的二值化。
Step3：DBSCAN聚类
DBSCAN能够利用密度空间距离因素进行聚类，无需指定类目数量，且能够自动去除一些杂质点，非常适合3D点云车道线的标注场景。
Step4：曲线拟合
先将3D点云2D化，在2D中得到几乎能够代表车道线正确方向的拟合曲线，有了这个车道线的方向，模型才能更好地进行车道线拟合。
Step5：去噪及精细化
在边界探索算法的基础上，结合Grubbs去噪能力，模型能够快速拟合一个车道线形状，在该形状内，无论高反射率还是低反射率的点都是组成该车道线的点云。
标注效率提升成果
通过3D点云车道线自动识别功能，标注员的操作流程变为极其简单的三步——第一步：选择智能模式；第二步：圈选大致范围；第三步：观察模型返回结果，并根据情况手动修正。简单三步即可完成数个车道线标注任务，相对全部人工标注效率可提升约 6 倍。
