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。