自动驾驶
文章平均质量分 89
AI数据标注猿
一个用数据视角看AI世界的标注猿
展开
-
自动驾驶测绘资质的信息安全要求,真的来了
标注猿的第67篇原创 一个用数据视角看AI世界的标注猿原创 2022-09-05 15:45:40 · 774 阅读 · 0 评论 -
自动驾驶采标系列七:复杂场景语义理解-可行驶区域检测
标注猿的第58篇原创 一个用数据视角看AI世界的标注猿 本篇文章我们继续学习自动驾驶采标系列的算法基础理论,关于复杂场景语义理解中的可行驶区域检测部分。车辆可行驶区域包括结构化路面、半结构化路面和非结构化路面。 结构化路面:往往有道理边缘线,且路面结构单一,如城市主干道、高速、国道、省道等。 半结构化路面:指一般的非标准化的路面,路面的颜色和材质差异较大,如停车场、广场等,还有一些分支道理。 对于自动驾驶汽车来说,可行驶区域检测是后续路径路径规划中不...原创 2022-03-18 09:26:46 · 2220 阅读 · 0 评论 -
自动驾驶采标系列六:复杂场景语义理解-交通识别检测技术
标注猿的第57篇原创 一个用数据视角看AI世界的标注猿 前几篇文章从两种数据的角度去学习了基于图片和激光雷达数据的算法,较为通俗的说明了其算法的逻辑,从而为理解其标注数据在使用算法应用时的理论基础。其实大家会发现一个问题,作为标注员其实在一点都不理解算法的情况,我们依然可以做好数据标注工作,原因很简单,目前人工智能是从结果推方法。我们人本身就是智能体,现在想用另一种方法模拟人这个智能体。那我们如何更好的做好标注这个事情呢?我认为的问题所在就是应该刚好的理解这个方法的底...原创 2022-03-15 14:49:25 · 4564 阅读 · 0 评论 -
自动驾驶采标系列五:图像与激光雷达联合目标检测方法
标注猿的第56篇原创 一个用数据视角看AI世界的标注猿 前几篇文章分别介绍了基于图像的目标检测方法和基于激光雷达的检测方法,对图片和激光雷达各自的检测方案有了一定了解,但是我们在标注过程中也会发现,这两年在自动驾驶领域单独的标注需求还是比较少的,点云的联合标注和融合标注等是比较常见的。那么我们就用本篇文章的篇幅来学习图像与激光雷达联合的目标检测方法,来从算法理论的角度来尝试理解,点云联合标注和融合标注等多传感器联合应用的逻辑。图像与激光雷达联合目标检测方法目前主要...原创 2022-03-09 14:45:45 · 4202 阅读 · 2 评论 -
自动驾驶采标系列四:基于激光雷达的目标检测方法
标注猿的第55篇原创 一个用数据视角看AI世界的标注猿 上一篇文章我们讲了基于图像的目标检测技术,但对于标注人员来说这部分内容就相对比较难一些,只是作为一个了解就可以,但是如果想向人工智能训练师或者更高职位的发展就一定要了解。从目前的标注需求来看自动驾驶的标注需要一定是占据了标注行业的半壁江山的而从数据需求来看有是足够持续的,毕竟做自动驾驶的“金主爸爸们”都是非常富足的。本文就继续就基于激光雷达的目标检测方法做学习。基于激光雷达的目标检测方法...原创 2022-02-28 10:15:19 · 3370 阅读 · 0 评论 -
自动驾驶采标系列三:基于图像的目标检测技术
标注猿的第54篇原创 一个用数据视角看AI世界的标注猿 上一篇文章我们从“环境感知”数据的采集设备上进行了详细说明,已经了解了相应设备采集的数据及采集前中要对设备进行的标定工作。感兴趣的小伙伴可以查看一下上一篇文章。自动驾驶采标系列二:车载感知与车载传感器标定(内附标注猿专属定制新年礼品)本文会从基于图像的目标检测技术和相关的标注方法上进行讲解。 基于2D图像的目标检测 基于3D图像的目标检测 基于2D图像的标注方法 一....原创 2022-02-21 17:52:47 · 1674 阅读 · 0 评论 -
自动驾驶采标系列二:车载感知与车载传感器标定
上一篇文章对自动驾驶采标问题中的一系列法律问题进行了浅析,接下来自动驾驶采标系列里面会对自动驾驶相关技术和知识点进行进一步梳理,来帮助小伙伴深入的了解自动驾驶的架构逻辑与数据采标工作的关系。上文中提到了很关键的一点就是“环境感知”技术所采集到的“环境感知”数据到底是否属于“测绘法”所管辖的范围,那么“环境感知”技术到底包含了哪些内容呢?本文就从一下两个方面进行分享:车载感知传感器 车载传感器标定一.车载感知传感器自动驾驶汽车对于外界和自身的感知依赖于传感器,目前应用于自动驾驶汽车的传感器主要原创 2021-12-23 14:52:15 · 3585 阅读 · 0 评论