激光雷达也需软硬兼顾：结构化激光雷达数据及其标记
2019-01-26 15:29:58 来源：麦姆斯咨询评论：0 点击：

据麦姆斯咨询报道，激光雷达（LiDAR）新锐厂商Ouster近日与Playment和Scale AI一起宣布了一项激光雷达数据标记合作伙伴计划，以为Ouster快速增长的客户群简化并提高激光雷达数据标记的效率。

自动驾驶难度很大，标记数据不应该那么难。

像素级语义掩码在2D和3D投影之间完美关联

据麦姆斯咨询报道，激光雷达（LiDAR）新锐厂商Ouster近日与Playment和Scale.AI一起宣布了一项激光雷达数据标记合作伙伴计划，以为Ouster快速增长的客户群（目前已超过300家，并且还在不断增长中！）简化并提高激光雷达数据标记的效率。Ouster希望其开发的数据标记技术不仅可以服务于Ouster的客户，还能惠及广阔的机器学习行业。

几个月来，Ouster与Playment和Scale.AI合作开发了一种新的数据标记工具，利用Ouster激光雷达数据自身的2D-3D特性，将数据标记成本降低了50%，并能提供更高精度、更快速的标记以及更多的标记选项，还能大大简化从数据捕获到开始模型训练的过程。

此外，Ouster还为激光雷达数据开发了一种开放格式，使客户的数据记录、存储、传输、加载和标记变得更加简单。Ouster开放了这种数据格式，希望产业其它厂商能够围绕Ouster已经开始的工作进行标准化（尽管它只支持结构化激光雷达数据）。这种激光雷达格式将包含在Ouster开源驱动的更新中，使客户的OS-1传感器数据能够直接以这种格式记录，以便将其转移到Playment、Scale.AI或其他厂商进行数据标记。

结构化激光雷达数据的优势

OS-1传感器结构化激光雷达数据的可视化

传统激光雷达通常采用机械旋转单元或者是光束扫描单元。典型的机械旋转激光雷达倾向于以非恒定的速度旋转，导致每帧的点间隔不均匀。同时，MEMS或扫描激光雷达倾向于有部分光束以非线性S形曲线扫描。这些都不利于将激光雷达数据存储在固定网格中，用于2D深度学习、压缩数据格式和易于标记。

得益于Ouster的多光束flash激光雷达设计，Ouster的OS-1传感器能够输出结构化激光雷达数据，其中水平和垂直角度间距就像相机一样，始终保持不变。这就能使激光雷达输出2048 x 64像素尺寸固定的深度图以及每帧上的强度和环境光图像，从而可以使用卷积神经网络，并大规模简化图像存储和标记。

虽然RGB-D相机和传统flash激光雷达也能够输出结构化深度数据，但与Ouster OS-1相比，这两类传感器在室外环境中的探测距离、深度分辨率、视场或稳定性都不如OS-1。不过，这些短距离结构化3D相机仍然可以从Ouster正在开发的工作中受益，Ouster鼓励这些产品的制造商考虑应用Ouster的方案。

结构化激光雷达数据的标记工作流

Ouster通过与标记合作伙伴合作，在其标记工具中利用Ouster的结构化数据优势，最大限度地降低了标记成本，提高其功能性，并显著提高了注释精度。例如：

- 为注释器提供同步的2D和3D视图，作为当前任务的直观视觉确认；

- 在2D激光雷达图像中注释像素级掩码，并使用3D点云检查掩码精度，通过添加或移除单个点或选择点簇并更新2D掩码，来优化3D点云内的掩码；

- 使用3D边界框自动生成100%准确的2D掩码（语义或实例分割）、长方体或2D图像中的边界框。

一旦亲身了解过这种标记流程的运行，就会清楚它有多高效和准确。另一种方法是为2D和3D数据复制这项工作：

从3D边界框自动生成的完美2D像素级掩码（左下图像），以及2D掩码用于优化3D边界框的精度