【基于激光雷达的路沿检测用于自动驾驶的真值标注】

概要

论文地址：https://arxiv.org/pdf/2312.00534.pdf

路沿检测在自动驾驶中扮演着重要的角色，因为它能够帮助车辆感知道可行驶区域和不可行驶区域。为了开发和验证自动驾驶功能，标注的数据是必不可少的。然而，目前公共数据集中带有标注的点云路沿的数量非常有限。

本文提出了一种从激光雷达传感器捕获的一系列点云中检测3D路沿的方法，主要包括两个步骤。首先，我们使用分割深度神经网络在每个扫描中检测路沿。然后，我们通过车辆的里程数据对重建的点云进行序列级处理，以估计3D路沿。

通过对这些路沿的3D点云进行处理，我们按照ASAM OpenLABEL标准获取结构化的折线信息。这些检测结果可以用作标记流水线中的预标注，从而有效生成与路沿相关的地面实况数据。

我们通过实验证明了这种方法的有效性。实验中，我们让不同的人工标注员对一组基于LiDAR的序列数据进行标注，其中一部分数据带有我们自动生成的预标注，另一部分数据没有。结果显示，由于我们的检测方法，手动标注时间减少了50.99%，同时保持了数据质量水平。

主要贡献

在自动驾驶技术中，路沿检测对于全面了解车辆周围环境至关重要。路沿是道路边界的一部分，它将可行驶区域和不可行驶区域分隔开来，在自动驾驶任务（比如自动停车或路径规划）中扮演着重要的角色。

路沿的检测对于验证许多先进驾驶功能也非常重要，因为它们确定了潜在的感兴趣区域（比如停车位和人行道）。然而，带有路沿标注的数据虽然必不可少，