四维标注在智能驾驶BEV感知中的应用

doi:10.13474/j.cnki.11-2246.2023.0279

测绘通报 ›› 2023, Vol. 0 ›› Issue (9): 139-143.doi: 10.13474/j.cnki.11-2246.2023.0279

四维标注在智能驾驶BEV感知中的应用

张盼盼¹, 宋佳顺²

1. 北京华为数字技术有限公司, 北京 100095;
2. 上海科之锐人才咨询有限公司北京分公司, 北京 100020

收稿日期:2023-04-27 发布日期:2023-10-08
作者简介:张盼盼(1984—),女,硕士,工程师,主要研究方向为自动驾驶、高精度地图、政策标准。E-mail:zpphello@163.com

Application of 4D labelling in intelligent driving BEV perception

ZHANG Panpan¹, SONG Jiashun²

1. Beijing Huawei Digital Technologies Co., Ltd., Beijing 100095, China;
2. Shanghai Kezhirui Consulting Co., Ltd., Beijing 100020, China

Received:2023-04-27 Published:2023-10-08

摘要/Abstract

摘要： 感知是智能驾驶应用中的重要一环,随着BEV感知算法的推进,对数据标注的质量和数量级提出更高的要求。本文深入研究BEV感知算法对数据标注的详细需求,并结合当前主流数据标注业务形态,提出一种基于向量空间的四维数据标注方法,将标注结果实时投影至图像空间,真正做到标注一次,输出海量样本。实践结果表明,四维标注不仅可以提升标注效率百倍以上,还能从本质上保障数据标注质量,应对BEV感知需求。

关键词: BEV感知, 四维标注, 效率质量, 智能驾驶

Abstract: Perception is an important part of intelligent driving application. With the advancement of BEV(bird's-eye view) perception algorithm in the industry, higher requirements are put forward for the quality and order of magnitude of data annotation. In this paper, the detailed requirements of BEV perception algorithm for data annotation are deeply studied, and a new 4D data annotation method upon vector space is proposed based on the weakness of current mainstream data annotation methods. The annotation results are projected into the image space in real time, and the output of massive training samples can be truly annotated once. Practical results show that 4D annotation can not only improve the annotation efficiency more than a hundred times, but also guarantee the quality of data annotation in essence and meet the needs of BEV perception.

Key words: BEV perception, 4D labelling, quality and efficiency, intelligent driving

中图分类号:

P237

张盼盼, 宋佳顺. 四维标注在智能驾驶BEV感知中的应用[J]. 测绘通报, 2023, 0(9): 139-143.

ZHANG Panpan, SONG Jiashun. Application of 4D labelling in intelligent driving BEV perception[J]. Bulletin of Surveying and Mapping, 2023, 0(9): 139-143.

参考文献

[1] 陈云培.浅析自动驾驶感知系统[J].汽车维护与修理,2022(15):74-75.
[2] CHENG Hong.Autonomous intelligent vehicles-theory,algorithms,and implementation[M].[S.l.]:Springer,2011.
[3] 王麒.基于深度学习的自动驾驶感知算法[D].杭州:浙江大学,2023.
[4] 蔡莉,王淑婷,刘俊晖,等.数据标注研究综述[J].软件学报,2020,31(2):302-320.
[5] LI Zhiqi,WANG Wenhai,LI Hongyang,et al.BEVFormer:learning bird's-eye-view representation from multi-camera images via spatiotemporal transformers[EB/OL].[2023-04-20].https://arxiv.org/abs/2203.17270.
[6] LIU Zhijian,TANG Haotian,AMINI A,et al.BEVFusion:multi-task multi-sensor fusion with unified bird's-eye view representation[EB/OL].[2023-04-20]. https://arxiv.org/abs/2205.13542.
[7] 王越,何伟,周琳,等.基于车载LiDAR数据的高精道路地图制作[J].地理空间信息,2022,20(6):92-95.
[8] 秦志伟.数据高效标注开启自动驾驶"进阶之路"[N].中国科学报,2021-07-22(3).
[9] 蒲建鑫,宋方伟,冷齐齐.基于SFM算法的三维重建关键技术研究[J].电子技术,2021,50(6):36-37.
[10] ZHU Siyu,ZHANG Runze,ZHOU Lei,et al.Very large-scale global SfM by distributed motion averaging[C]//Proceedings of 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition.Salt Lake City:IEEE,2018:4568-4577.
[11] 李庆.基于深度学习方法的SFM三维重建技术研究[D].大连:大连理工大学,2019.
[12] ZHU Qingtian,MIN Chen,WEI Zizhuang,et al.Deep learning for multi-view stereo via plane sweep:a survey[EB/OL].[2023-04-20].https://arxiv.org/abs/2106.15328.
[13] 刘进.基于MVS点云的城市建筑三维重建应用研究[D].南宁:广西大学,2015.
[14] 魏珺洁.深度学习在图像自动标注中的应用初探[J].智能计算机与应用,2020,10(3):111-113.
[15] BAO Zhibin,HOSSAIN S,LANG Haoxiang,et al.High-definition map generation technologies for autonomous driving[EB/OL].[2023-04-20].https://arxiv.org/abs/2206.0540.

四维标注在智能驾驶BEV感知中的应用

Application of 4D labelling in intelligent driving BEV perception

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	蒋秀伟, 师芸. 黄土高原生态环境对气候变化与人类活动的双重响应[J]. 测绘通报, 2023, 0(7): 1-6.
[2]	王滢, 李代伟, 张帆, 朱会子, 李龙伟, 李楠. 基于Google Earth Engine的巢湖流域生态环境质量时空动态变化及影响因素分析[J]. 测绘通报, 2023, 0(7): 7-13.
[3]	傅强, 张海明. 1980—2020年内蒙古自治区土地沙化生态敏感性时空演变特征[J]. 测绘通报, 2023, 0(7): 14-17,24.
[4]	宋沛林, 解吉波, 杨腾飞, 牟乃夏, 陈默, 王小宇. 基于生态敏感性的区域环境时空变化及其驱动因素探究——以定安县为例[J]. 测绘通报, 2023, 0(7): 18-24.
[5]	姚春静, 余正, 王洁, 钱琛, 徐俊豪. 海底底质分类支持下的WorldView-3多光谱影像浅海海域水深反演[J]. 测绘通报, 2023, 0(7): 25-31.
[6]	王欣, 李水平, 康晶. InSAR观测约束2022年门源Mw 6.7级地震同震滑动分布和库伦应力变化[J]. 测绘通报, 2023, 0(7): 32-38.
[7]	钟静, 孙杰, 赖祖龙, 谌一夫. ICESat-2与Sentinel-2数据融合的深度学习浅滩水深测量[J]. 测绘通报, 2023, 0(7): 39-43.
[8]	杨梅焕, 李扬, 王涛, 王钰尧, 李奇虎, 夏正清. 毛乌素沙地植被水分利用效率时空变化特征及其对水热条件的响应[J]. 测绘通报, 2023, 0(7): 44-50,79.
[9]	马京京, 高美玲, 李振洪, 许慧慧, 彭建兵. 黄河流域森林覆盖时空变化及驱动因素分析[J]. 测绘通报, 2023, 0(7): 51-57.
[10]	冯晓珂, 吕沛娴, 张卡, 沈华康, 叶龙杰, 赵娜, 杨盈. 面向滩涂DEM构建的机载LiDAR点云滤波方法[J]. 测绘通报, 2023, 0(7): 58-62.
[11]	张冰洁, 蔡来良, 王鑫, 吴景动. 基于数量场梯度的露天矿点云台阶线自动提取算法[J]. 测绘通报, 2023, 0(7): 63-68.
[12]	杨波, 杨晓锋, 谢瑞莲, 李萌, 任怡童, 程江龙. 多元数据的渭北旱塬帝陵遗址区浅沟侵蚀建模与地貌反演[J]. 测绘通报, 2023, 0(7): 69-73.
[13]	温亚飞, 刘宇, 王光辉, 张秋昭. Landsat 9数据的地表温度反演算法优化[J]. 测绘通报, 2023, 0(7): 74-79.
[14]	李洋洋, 左小清, 肖波, 李勇发, 杨栩, 董玉娟. 联合LiCSBAS和机器学习的昆明市地面监测和预测[J]. 测绘通报, 2023, 0(7): 119-124.
[15]	杨建成, 何阳, 刘一鸣, 熊雄, 姚海鹏, 李雪宇, 文武飞, 王灵珏, 胡妙文, 许兵. InSAR技术支持下的长沙市2015—2021年地面沉降监测分析[J]. 测绘通报, 2023, 0(7): 125-130.