HERE Technologies以前所未有的速度创建数据、提高地图整体准确性

了解HERE Technologies如何携手澳鹏识读地球上的每一个路标

公司信息

HERE Technologies为企业客户提供地图绘制、导航和定位解决方案。公司的使命是将现实以数字形式表现出来,从根本上改善每个人,每件事物的生活、移动和互动方式。其地图、数据和产品为无人驾驶汽车、卡车车队、物流、政府等领域提供解决方案。以创建精确至几厘米的三维地图为目标的HERE自80年代中期以来,一直是该领域的创新者,为数百家企业和组织提供详细、精确且可行的位置数据和见解。

挑战

为了进行准确测绘,HERE Technologies必须采用多种不同的方法和机器学习模型。其中一种方法即利用路标。

HERE的一项既定目标是识读地球上的每一个路标。这既包括这些路标的实际含义如:转弯警告、限速、鹿通过区域等,还包括这些路标的实际位置也同样重要。了解路标相对于道路的精确位置至关重要,因其可以使车辆更准确地确定其所在的位置以及某些规则(例如限速)发生变化的位置。

HERE以创新的方式做到了这一点。他们使用装有四个独立摄像头的汽车:一个前置,一个后置,一个左置和一个右置,所有摄像头同时捕获视频。他们的模型正在寻找一种称为“路标融合”的东西,即各摄像头均可看到路标并理解路标为单个对象。从本质上讲,HERE试图确定各个路标的实际位置以进行测量并汇总其位置,继而提高地图和模型的准确性。

教会模型如何在车辆于道路上行驶时识别路标有助于改善模型,从而提高地图的整体准确性。但问题是您需要使用视频数据来实现HERE所追求的精确度。他们需要视频数据来训练和微调其路标检测算法的性能。但是,标注视频中的单个帧既费时又费钱。一分钟的视频可能包含数千帧静止图像,标注每一帧可能会很昂贵。这即为何澳鹏将其机器学习视频对象跟踪工具告知HERE Technologies时,HERE Technologies急于尝试。

 

解决方案

HERE目标宏伟,即为数万公里的行驶道路标注支持其路标检测模型的地面实况数据。但是,将视频解析为图像以实现该目标根本站不住脚。

我们的机器学习辅助视频对象跟踪解决方案为这一雄心壮志提供了完美的解决方案。那是因为该解决方案将人工智能与机器学习相结合,大幅提高了视频标注的速度。其工作原理如下:

在视频的第一帧上,人工标注员标注相关对象。对于HERE Technologies而言,这意味着标注员将限位框置于各种路标上。

从功能上说,这一步类似于典型的图像标注工作流程。接下来,机器学习将发挥作用。该工具使用深度学习集成模型,预测标注对象在下一帧中的移动位置。即使存在数十个同类实例,标签也会保留。人工标注员无需从头开始重新标记整个图像,而是仅在必要时校正标注,拖动或调整所存在标签的大小以使其正好适合标注对象。整个视频都将这样进行,直至最后一帧。

HERE希望这些标签能够帮助他们训练和理解其路标检测算法的性能、了解难以预测的信号,以及发现过多误报时自信地确定新类别所需的训练数据等等。

成果

尽管HERE Technologies最近才开始使用我们的机器学习辅助视频对象跟踪解决方案,但他们相信,该解决方案有望大规模地加速其模型收集地面的实况数据。因为在数小时的视频中,对成千上万个路标进行逐帧标注几乎不可能。但是,通过视频目标跟踪,HERE可以为研发人员创建可行的数据,使其能够在比以往更短的时间内微调地图。

Language