一种高效的半自动化基础设施LiDAR标注方案

大多数现有的感知系统依赖于从摄像头获取的传感数据，这在低光和恶劣天气条件下效果较差。为了解决这一局限，我们看到先进的LiDAR传感器在自动驾驶应用中的感知任务中变得越来越流行。然而，它们在交通监控系统中的使用并不普遍。我们确定了以成本效益和高效性开发此类基于LiDAR的交通监控系统的两个重大障碍：(i) 现有的公共LiDAR数据集不足以支持基础设施系统中的感知任务，(ii) LiDAR点云上的3D标注耗时且成本高昂。为填补这一空白，我们提出了一种高效的半自动化标注工具，利用追踪算法自动标注LiDAR序列，同时提供一个完全标注的基础设施LiDAR数据集——FLORIDA（基于佛罗里达的LiDAR对象识别和智能数据标注），该数据集将对公众开放。我们的先进标注工具无缝集成了多对象追踪（MOT）、单对象追踪（SOT）和适当的轨迹后处理技术。具体而言，我们引入了一种人机协作的框架，标注员对工具不完美预测的标注进行递归修正和完善，并逐步将其添加到训练数据集中，以获得更好的SOT和MOT模型。通过重复这一过程，我们将整体标注速度显著提高了3-4倍，并获得比最先进的标注工具更好的定性标注。人类标注实验验证了我们标注工具的有效性。此外，我们提供了详细的统计数据和对象检测评估结果，以为交通交叉口的感知任务提供基准。