LiDAR-annotatieproject voor autonome voertuigen in slimme steden
project Overzicht
SmartCity, een snelgroeiend grootstedelijk gebied, startte een ambitieus project om autonome voertuigen (AV's) te introduceren voor het openbaar vervoer. Om een veilige en efficiënte werking van deze AV's te garanderen, hadden ze een enorme hoeveelheid nauwkeurig geannoteerde LiDAR- en cameragegevens nodig die de diverse omgevingen van de stad vertegenwoordigen. SmartCity ging een partnerschap aan met Shaip, een toonaangevend bedrijf voor data-annotatie, om deze cruciale taak uit te voeren.
Shaip kreeg de taak om 15,000 frames van sensordata verzameld van de straten van SmartCity te annoteren. Elk frame bevatte data van 3 Velodyne VLP-32C LiDAR's en 4 camera's met hoge resolutie, waarmee een breed scala aan stedelijke scenario's werd vastgelegd
Challenges
Volume en complexiteit
De enorme hoeveelheid data en de noodzaak voor zowel 2D- als 3D-annotaties vormden een grote uitdaging.
Diverse omgevingen
Het gevarieerde landschap van SmartCity, van dichtbevolkte stedelijke centra tot voorstedelijke gebieden, vereiste aanpasbare annotatiestrategieën.
Consistentie
Het handhaven van consistente object-ID's voor verschillende sensoren en frames was cruciaal voor het trainen van betrouwbare AI-modellen.
Privacybezorgdheden
Zorgen dat alle persoonlijke, identificeerbare informatie op de juiste manier wordt gemaskeerd, terwijl nuttige gegevens behouden blijven.
Strakke tijdlijn
SmartCity had het project binnen 4 maanden afgerond nodig om aan de planning voor de implementatie van AV-systemen te voldoen.
Shaip's aanpak
Staffing
Stelde een team samen van 50 ervaren annotators, 10 kwaliteitscontroleurs en 3 projectmanagers.
Aangepaste tools
Ontwikkelde eigen software die 2D- en 3D-annotatieworkflows integreerde, waardoor de efficiëntie en consistentie werden verbeterd.
Training
Er werden intensieve trainingssessies verzorgd over de specifieke annotatievereisten en privacyrichtlijnen van SmartCity.
Automatisering
Gebruikte AI-ondersteunde voorafgaande annotatie om het proces te versnellen, vooral voor alledaagse objecten zoals auto's en voetgangers.
Resultaat
- Het project werd in 3.5 maand afgerond, twee weken eerder dan gepland.
- Bereikte een annotatienauwkeurigheid van 99.7%, wat de verwachtingen van SmartCity overtrof.
- Meer dan 450,000 unieke objecten in alle frames succesvol geannoteerd.
- Consistente ID's voor 98% van de objecten in meerdere frames gehandhaafd.
- Alle kentekenplaten en gezichten worden goed afgedekt, zodat de privacy wordt gewaarborgd.
Conclusie
Shaip's succesvolle uitvoering van dit grootschalige LiDAR-annotatieproject speelde een cruciale rol in het initiatief voor autonome voertuigen van SmartCity. Het project toonde het belang aan van het combineren van bekwame menselijke annotators met geavanceerde AI-ondersteunde tools om complexe, multi-sensor data-annotatietaken efficiënt en nauwkeurig af te handelen.
Dankzij de hoogwaardige geannoteerde gegevens kon SmartCity hun AV-systemen effectiever trainen, waardoor de tijd die nodig was voor real-world testen met 30% werd verkort. De consistente en nauwkeurige annotaties verbeterden met name de objecttracking- en voorspellingsmogelijkheden van de AV's in complexe stedelijke omgevingen.
