标注之殇
静态物体检测（SOD），包括交通信号灯、导向牌和交通锥，大多数算法是数据驱动深度神经网络，需要大量的训练数据。现在的做法通常是对大量的训练样本在 LiDAR 扫描的点云数据上进行手动标注，以修复长尾案例。
手动标注难以捕捉真实场景的变异性和复杂性，通常无法考虑遮挡、不同的光照条件和多样的视角（如图1中的黄色箭头）。整个过程链路长、极其耗时、容易出错、成本颇高（如图2）。所以目前公司都寻求自动标注方案，特别是基于纯视觉，毕竟不是每辆车都有激光雷达。
VRSO+是一种以视觉为主、面向静态对象标注的标注系统，主要利用了SFM、2D物体检测和实例分割结果的信息，整体效果：
标注的平均投影误差仅为2.6像素，约为Waymo标注的四分之一（10.6像素）与人工标注相比，速度提高了约16倍
对于静态物体，VRSO通过实例分割和轮廓提取关键点，解决了从不同视角集成和去重静态对象的挑战，以及由于遮挡问题而导致观察不足的困难，从而提高了标注的准确性。从图1上看，与Waymo Open数据集的手动标注结果相比，VRSO展示了更高的鲁棒性和几何精度。
（都看到这里了，不如大拇指往上滑，点击最上方的卡片关注我，整个操作只会花你 1.328 秒，然后带走未来所有干货，万一有用呢～）
破局之法
VRSO系统主要分为两部分：场景重建和静态对象标注。
重建部分不是重点，就是基于 SFM 算法来恢复图像 pose 和稀疏的 3D 关键点。
静态对象标注算法，配合伪代码，大致流程是（以下会分步骤详细展开）：
采用现成的2D物体检测和分割算法生成候选利用 SFM 模型中的 3D-2D 关键点对应关系来跟踪跨帧的 2D 实例引入重投影一致性来优化静态对象的3D注释参数
1.跟踪关联
step 1：根据 SFM 模型的关键点提取 3D 边界框内的 3D 点。step 2：根据 2D-3D 匹配关系计算每个 3D 点在 2D 地图上的坐标。step 3：基于 2D 地图坐标和实例分割角点确定当前 2D 地图上 3D 点的对应实例。step 4：确定每个 2D 图像的 2D 观察与 3D 边界框之间的对应关系。
2.proposal 生成
对静态物体的 3D 框参数（位置、方向、大小）进行整个视频剪辑的初始化。SFM 的每个关键点都有准确的3D位置和对应的 2D 图像。对于每个 2D 实例，提取 2D 实例掩码内的特征点。然后，一组对应 3D 关键点可以被视为 3D 边界框的候选。
路牌被表示为在空间中具有方向的矩形，它有6个自由度，包括平移（、、）、方向（θ）和大小（宽度和高度）。考虑到其深度，交通信号灯具有7个自由度。交通锥的表示方式与交通信号灯类似。
通义视频
通义万相AI视频生成工具
70 查看详情 
3.proposal refine
step 1：从 2D 实例分割中提取每个静态物体的轮廓。step 2：为轮廓轮廓拟合最小定向边界框（OBB）。step 3：提取最小边界框的顶点。step 4：根据顶点和中心点计算方向，并确定顶点顺序。step 5：基于2D检测和实例分割结果进行了分割和合并过程。step 6：检测并拒绝包含遮挡的观察。从2D实例分割蒙版中提取顶点要求每个标牌的四个角都可见。如果有遮挡，从实例分割中提取轴对齐边界框（AABB），并计算AABB与2D检测框之间的面积比。如果没有遮挡，这两种面积计算方法应该是接近的。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
4.三角化
通过三角化在3D条件下获取静态物体的初始顶点值。
通过检查在场景重建期间由 SFM 和实例分割获得的3D边界框中的关键点数量，只有关键点数量超过阈值的实例被认为是稳定且有效的观测。对于这些实例，相应的 2D 边界框被视为有效的观测。通过多幅图像的 2D 观测，将 2D边界框顶点进行三角化，以获取边界框的坐标。
对于没有在掩模上区分“左下、左上、右上、右上和右下”顶点的圆形标牌，需要识别这些圆形标牌。使用 2D 检测结果作为圆形物体的观测结果，使用 2D 实例分割掩模进行轮廓提取。通过最小二乘拟合算法计算出中心点和半径。圆形标牌的参数包括中心点（、、）、方向（θ）和半径（）。
5.tracking refine
跟踪基于 SFM 的特征点匹配。根据 3D 边界框顶点的欧式距离和 2D 边界框投影 IoU 来确定是否合并这些分开的实例。一旦合并完成，实例内的 3D 特征点可以聚集以关联更多的2D特征点。进行迭代2D-3D关联，直到无法添加任何2D特征点为止。
6.最终参数优化
以矩形标牌为例，可优化的参数包括位置（、、）、方向（θ）和大小（、），总共六个自由度。主要步骤包括：
将六个自由度转换为四个 3D 点，并计算旋转矩阵。将转换后的四个 3D 点投影到2D图像上。计算投影结果与实例分割得到的角点结果之间的残差。使用 Huber 进行优化更新边界框参数
标注效果
也有一些具有挑战性的长尾案例，例如极低的分辨率和照明不足。
总结一下
VRSO 框架实现了静态物体高精度和一致的3D标注，紧密集成了检测、分割和 SFM 算法，消除了智能驾驶标注中的人工干预，提供了与基于LiDAR的手动标注相媲美的结果。和被广泛认可的Waymo Open Dataset进行了定性和定量评估：与人工标注相比，速度提高了约16倍，同时保持了最佳的一致性和准确性。
以上就是效率狂增16倍！VRSO：纯视觉静态物体3D标注，打通数据闭环！的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/616429.html
微信扫一扫 
支付宝扫一扫 
