可行驶区域(freespace)如何标注

2024-04-06 20:52
文章标签 区域 标注 行驶 freespace

本文主要是介绍可行驶区域(freespace)如何标注,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

可行驶区域(freespace)如何标注

附赠自动驾驶学习资料和量产经验:链接

可行驶区域的检测主要是为自动驾驶提供路径规划辅助,可以实现整个的路面检测,也可以只提取出部分的道路信息,不同的环境,有很多不同的检测方法。

车辆的可行驶区域包括了结构化的路面、半结构化的路面、非结构化的路面。

结构化的路:结构层执行一定的标准,面层的颜色和材质统一,路面结构单一。

半结构化路面:一般的非标准化的路面,路面面层是颜色和材质差异较大。

非结构化路面:没有结构层,天然的道路场景。

可行驶区域标注

一、标注需求概述

本文档用于介绍可行驶区域标注规则,前视后视都需要标注。提供相机图片,标注供应商在图片中以区域标注的方式标注车辆可行驶的范围。

二、具体标准说明

2.1 标注范围

需要标注同向的可行驶区域和导流线内部的导流线区域。

1)图片出现错位,黑块,花图等损坏场景,废弃不用标注,有标志位标记。

2)十字路口数据,如果采集车过了停止线,那就废弃不用标注,如果采集车没过停止线,那就正常标注可行驶区域。

3)采集车在十字路口转弯掉头的时候不标可行驶区域。

4)采集车完全在服务区、加油站内,可行驶区域不标。

5)导流线的内部需要标注为导流线区域。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

6)非机动车道不需要标注可行驶区域。

7)使用区域描边的方式标注车辆能行使的道路即(仅同向区域需要标注):可行驶区域。

8)可行驶区域只标注同向区域。

9)能一笔画成的区域不要分成2笔去画,尽量保持一整个完整的区域。

10)障碍物小于60像素的时候不需要抠出来,直接画为可行驶区域

11)路边障碍物近处的还是需要绕开,不能以60像素去判断。

12)单独的小区域框,小于225像素的不用框。

13)可行驶区域标到路沿为止,路沿外的区域都不需要标(路沿参照车道线标注规则),主路和辅路都没有路沿的情况下,按照主路的分界线话,分界线以外的都不需要标注。

image

14)同向车道内的且在路沿内的所有路都需要标注。

15)没有被护栏或者绿化带隔开的对向车道不需要标注可行驶区域。

16)采集车在导流线附近时,可行驶区域跟着车道线标注,车道线标注到哪里可行驶区域就标注到哪里,如图所示黑色区域内都标注为可行使区域。

image

17)收费站场景内的车道线标注如下:

a.采集未过收费站,则收费站另一边远处的和对向的可行驶区域不标注。
b.采集车未过收费站,收费站对向的可行驶区域不用标注。
c.采集车完全在闸道时,除了采集车所在的闸道的可行驶区域需要标注其余的都不需要标注。
d.隔离墩和交通锥里面的可行驶区域不用标注。

image

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

image

2.2 可行驶区域标注规则

  • 1)需沿着实际道路的最外区域进行描边标注(路沿,非车道线边缘)。

  • 2)道路中的障碍物需绕开标注。障碍物作为一个整体,中间镂空的部分不标注。远处障碍物实在看不清不能分开的(不露出可行驶区域的)可整体标注。

  • 3)能整体标注的区域需整体标注(如果障碍物四周都可见行驶区域而无法用一个区域标注出来,需绕过障碍物,分两个区域进行标注)。

  • 4)如遇到错位图片,则废弃不标注。

  • 5)标注后需共边处理shift+c【图像标可行区域时,会标出图片以外,共边处理是让超出图片的部分自动贴合回图片上】。

  • 6)曝光图片,不需要进行脑补。

  • 7)隔离墩和交通锥里面的可行驶区域不用标注。

三、特殊场景标注

1)、方向:方向模棱两可,而且没有隔离带的标成标注成通向。

image

2)、没有正常路面的图片不需要标注。

3)、如果紧挨着普通路面的车道材质不同,则以路沿为边界位置进行标注。

4)、破损的地面按照可行驶边缘标注,如下图按照按锥桶边缘标注。

5)、护栏标注方式:需紧贴护栏边缘【所有的护栏】,车辆不能开过去的区域不用标注。

6)、移动护栏或固定护栏需按路沿的标注方式标注。

四、质量控制

3.1判断流程

安排人力抽样,判断标注准确度。

3.2错误类型

  • 1)漏标/多标:图中应该标注或者应该不标注,出现错误为漏标/多标。

  • 2)可行驶区域超过路沿。

  • 3)可行驶区域和路沿空隙太大,精度不够。

3.3正确率要求

98%以上通过,需要返修至100%才可以返回。

这篇关于可行驶区域(freespace)如何标注的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/880810

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

利用matlab bar函数绘制较为复杂的柱状图,并在图中进行适当标注

示例代码和结果如下:小疑问:如何自动选择合适的坐标位置对柱状图的数值大小进行标注?😂 clear; close all;x = 1:3;aa=[28.6321521955954 26.2453660695847 21.69102348512086.93747104431360 6.25442246899816 3.342835958564245.51365061796319 4.87

YOLOv8/v10+DeepSORT多目标车辆跟踪(车辆检测/跟踪/车辆计数/测速/禁停区域/绘制进出线/绘制禁停区域/车道车辆统计)

01:YOLOv8 + DeepSort 车辆跟踪 该项目利用YOLOv8作为目标检测模型,DeepSort用于多目标跟踪。YOLOv8负责从视频帧中检测出车辆的位置,而DeepSort则负责关联这些检测结果,从而实现车辆的持续跟踪。这种组合使得系统能够在视频流中准确地识别并跟随特定车辆。 02:YOLOv8 + DeepSort 车辆跟踪 + 任意绘制进出线 在此基础上增加了用户

vue3 为组件的 emits 标注类型,defineEmits基于类型的定义的简单理解

1)在 <script setup> 中,emit 函数的类型标注也可以通过运行时声明或是类型声明进行。 2)基于类型的: const emit = defineEmits<{ (e: 'change', id: number): void (e: 'update', value: string): void }>() 说明:e: 指定了方法名,id:数字型的参数,这个就是限定了方法名及

JVM - Java内存区域

文章目录 目录 文章目录 运行时数据区域 程序计数器 栈 Java虚拟机栈 本地方法栈 栈帧的组成 局部变量表 操作数栈 帧数据 堆 方法区 直接内存 总结 运行时数据区域 Java虚拟机在执行Java程序的过程中会把它所管理的内存区域划分为若干个不同的数据区域。这些区域有各自的用途,以及创建和销毁时间,有的区域随着虚拟机进程的启动而一直存在,有的区域则是依赖

Ai+若依(智能售货机运营管理系统---帝可得)-人员管理-点位管理-区域管理-合作商管理----【08篇---0001:上】

项目介绍 售货机简介 帝可得是一个基于物联网概念下的智能售货机运营管理系统 物联网 物联网(IoT:Internet of Things)简单来说,就是让各种物品通过互联网连接起来,实现信息的交换和通信。 这个概念听起来可能有点抽象,但我们可以把它想象成一个超级大的社交网络。不过,这个网络里的成员不是人类,而是各种物品。比如,你的冰箱、洗衣机、甚至是你的汽车,它们都可以通过互联网互

【最新华为OD机试E卷-支持在线评测】机器人活动区域(100分)多语言题解-(Python/C/JavaScript/Java/Cpp)

🍭 大家好这里是春秋招笔试突围 ,一枚热爱算法的程序员 ✨ 本系列打算持续跟新华为OD-E/D卷的三语言AC题解 💻 ACM金牌🏅️团队| 多次AK大厂笔试 | 编程一对一辅导 👏 感谢大家的订阅➕ 和 喜欢💗 🍿 最新华为OD机试D卷目录,全、新、准,题目覆盖率达 95% 以上,支持题目在线评测,专栏文章质量平均 94 分 最新华为OD机试目录: https://blog.

ACdream区域赛指导赛之手速赛系列(4)

点击打开题目链接 #include <iostream>#include <map>#include <cstdio>#include <string>using namespace std;int a[501];//题意是能不能把一组两个人分到两个不同的正营里面,关键利用map映射void init(){for(int i = 0; i <= 200; i++){a[i]

水面垃圾检测数据集 3000张 水面垃圾 带标注 voc yolo

数据集概述 该数据集包含3000张图像,专注于水面垃圾的检测。数据集已经按照VOC(Visual Object Classes)和YOLO(You Only Look Once)两种格式进行了标注,适用于训练深度学习模型,特别是物体检测模型,用于识别水面上的各种垃圾。 数据集特点 多样性:包含3000张图像,涵盖了多种类型的水面垃圾,确保模型能够识别各种类型的垃圾。双标注格式:提供VO