Addressing Data Annotation Challenges in Multiple Sensors: A Solution for Scania Collected Datasets

要約

自動運転車におけるデータ アノテーションは、ディープ ニューラル ネットワーク (DNN) ベースのモデルや知覚システムのパフォーマンス評価の開発における重要なステップです。
これは多くの場合、Light Detection and Ranging (LiDAR) や Radio Detection and Ranging (RADAR) などのアクティブ センサーからキャプチャされた、時系列で登録された一連の点セットに 3D 境界ボックスを追加するという形式をとります。
複数のアクティブなセンサーに注釈を付ける場合、動きを補償し、ポイントをそれぞれ一貫した座標フレームとタイムスタンプに変換する必要があります。
ただし、非常に動的なオブジェクトは、各センサーのデータ内で異なるタイムスタンプで表示される可能性があるため、特有の課題が生じます。
物体の速度が分からないと、センサー出力が異なると物体の位置が異なって見えるようになります。
したがって、動き補償後であっても、高度に動的なオブジェクトは同じフレーム内の複数のセンサーから照合されず、ヒューマン アノテーターはすべてのオブジェクトを捕捉する独自の境界ボックスを追加するのに苦労します。
この記事では、主に Scania が収集したデータセットのコンテキスト内で、この課題に対処することに焦点を当てています。
提案されたソリューションは、注釈付きオブジェクトのトラックを入力として取得し、Moving Horizo​​n Estimation (MHE) を使用してその速度を確実に推定します。
推定された速度プロファイルは、注釈が付けられたボックスの位置を修正し、元の注釈では見逃していたオブジェクト クラスターにボックスを追加するために利用されます。

要約(オリジナル)

Data annotation in autonomous vehicles is a critical step in the development of Deep Neural Network (DNN) based models or the performance evaluation of the perception system. This often takes the form of adding 3D bounding boxes on time-sequential and registered series of point-sets captured from active sensors like Light Detection and Ranging (LiDAR) and Radio Detection and Ranging (RADAR). When annotating multiple active sensors, there is a need to motion compensate and translate the points to a consistent coordinate frame and timestamp respectively. However, highly dynamic objects pose a unique challenge, as they can appear at different timestamps in each sensor’s data. Without knowing the speed of the objects, their position appears to be different in different sensor outputs. Thus, even after motion compensation, highly dynamic objects are not matched from multiple sensors in the same frame, and human annotators struggle to add unique bounding boxes that capture all objects. This article focuses on addressing this challenge, primarily within the context of Scania collected datasets. The proposed solution takes a track of an annotated object as input and uses the Moving Horizon Estimation (MHE) to robustly estimate its speed. The estimated speed profile is utilized to correct the position of the annotated box and add boxes to object clusters missed by the original annotation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google