opengl实现3d点云_自动驾驶环境感知的"见闻色"——3D点云标注

点开网约车App、线上报名、待审核通过后,用户就能在规定的测试路段免费呼叫自动驾驶车辆进行试乘……前不久,滴滴出行首次面向公众开放自动驾驶服务。

这次行业事件再次激发了公众对于自动驾驶的热切期待与探索,自动驾驶到底是如何实现的?

opengl实现3d点云_自动驾驶环境感知的

智能驾驶是现代科学技术的集大成者,汇聚了视觉、语音、语言、深度学习等多项人工智能成果。在智能驾驶技术中,感知就像人类的眼睛和耳朵,帮助车辆观察周围环境;决策就像大脑,实时分析可行驶空间和其他交通参与者的行为意图;控制则依托系统控制车辆,通过打方向、踩油门、踩刹车等完成驾驶行为。

本篇内容将重点介绍自动驾驶技术中的"感知系统",以及基于激光雷达生成的3D点云图像标注

自动驾驶环境感知的"见闻色"

在自动驾驶技术中,其感知系统主要通过Lidar激光雷达、Camera相机、Radar毫米波雷达3个类别的传感器来进行道路环境感知。

opengl实现3d点云_自动驾驶环境感知的

图源 DataFunTalk

就目前自动驾驶阶段来讲,激光雷达是帮助自动驾驶系统进行正确感知的重要传感器。

它通过发射和接受激光束,分析激光遇到目标对象后的折返时间,计算出目标对象与车的相对距离。并利用此过程中收集的目标对象表面大量密集的点的三维坐标、反射率和纹理等信息,快速复建出被测目标的三维模型及线、面、体等各种图件数据,建立三维点云图,绘制出环境地图,以达到环境感知的目的。

简单来说,激光雷达最大的优势就是用3D点云为自动驾驶汽车精确"描绘"出周边环境。

与2D图像数据相比,3D点云数据中包含目标的距离、角度、反射强度、速度等信息,不依赖于外界光照条件或目标本身的辐射特性,可以更好的感知汽车周边道路环境,为感知系统提供决策依据,堪称自动驾驶界的"见闻色"。

基于激光雷达生成的3D点云图像标注

通过精细化的标注,3D点云数据才可以用于自动驾驶系统训练的训练。

具体实现形式是在激光雷达采集的点云图像中,通过3D矩形或者语义分割将道路目标物体(多类型指定对象:包括但不限于车辆、建筑、树木、行人等等)精准标注出来。

云测数据自研的的三维标注工具,尤其是3D点云的标注工具,通过渲染引擎等方面的优化,保证整个过程的流畅和快捷。对激光雷达成像的图像中的机动车、障碍物、行人等多目标进行3D点云标注,也是业内率先实现2D3D融合标注的平台之一。

opengl实现3d点云_自动驾驶环境感知的

当前的自动驾驶所需数据需求,正向着多模态的方向发展。所谓多模态,即是对多维时间、空间、环境数据的感知与融合。比如当前的自动驾驶需要雷达+摄像头生成的点云数据和2D图像数据能为车辆决策系统提供更可靠的数据依据。

在云测数据标注平台中,可通过"2D3D融合功能"进行对应的融合标注,将点云中的标注物体通过融合参数映射到2D图中。如下所示:

opengl实现3d点云_自动驾驶环境感知的

云测数据在智能驾驶数据标注领域长期保持着领先优势,致力于在数据质量的导向下实现更优的品控和更快的数据交付。

在标注工具方面,云测数据全面支持3D点云标注、3D矩形框选、语义分割、目标跟踪(用于标注点云连续帧)、2D3D融合标注等工具的使用,同时拥有快速切帧、复制功能、2D图辅助框、有效标注区域、预置框、自动贴合等一系列提高标注效率和准确度的辅助功能。

opengl实现3d点云_自动驾驶环境感知的

自动贴合示意图↑

作为深耕智能驾驶领域的AI数据服务商,云测数据积累了大量3D点云数据标注经验,已输出了近千万帧的高质量点云数据。这些高质量数据应用于自动驾驶感知系统的优化进步,助力算法工程师和企业们在3D感知、场景理解等方面取得进展,为智能驾驶企业提供更多商业价值。

你可能感兴趣的:(opengl实现3d点云)