Demo · dữ liệu nuScenes

Từ dữ liệu LiDAR chưa gán nhãn đến

Frame đáng giá — Khai thác frame và vật thể hiếm trong dữ liệu LiDAR chưa gán nhãn cho bài toán phát hiện người đi bộ, xe đạp, xe máy (VRU) phục vụ phanh khẩn cấp AEB, trên nuScenes

Khai thác frame và vật thể hiếm trong dữ liệu LiDAR chưa gán nhãn cho bài toán phát hiện người đi bộ, xe đạp, xe máy (VRU) phục vụ phanh khẩn cấp AEB, trên nuScenes.

Mở DashboardXem mô phỏng 3D
  • Người đi bộ
  • Xe đạp
  • Xe máy
  • Phanh khẩn cấp AEB

Mô phỏng 3D

Frame đáng giá được chọn, nhìn trong không gian 3D

DỮ LIỆU nuScenes MẪU · minh hoạ, không phải benchmark · scene-0061 · frame 0LIDAR_TOP · điểm S 0.97

Chọn frame đã tuyển

Dữ liệu frame

Điểm LiDAR
34.720
Hộp 3D
3
Điểm S
0.97
Mở Dashboard để phân tích dữ liệu

Vòng 6 camera nuScenes của frame đang xem

Trước trái (CAM_FRONT_LEFT)
CAM_FRONT_LEFT
Trước (CAM_FRONT)
CAM_FRONT
Trước phải (CAM_FRONT_RIGHT)
CAM_FRONT_RIGHT
Sau trái (CAM_BACK_LEFT)
CAM_BACK_LEFT
Sau (CAM_BACK)
CAM_BACK
Sau phải (CAM_BACK_RIGHT)
CAM_BACK_RIGHT

Điểm nhấn

Gọn, rõ và chạy được ngay trên máy thường

VRU
Trọng tâm đề tài

Người đi bộ, xe đạp, xe máy: nhóm dễ tổn thương khi xe phanh khẩn cấp (AEB).

LiDAR
Ứng viên từ point cloud

Engine rare_v24 tìm ứng viên và chấm độ hiếm; nhãn dành riêng cho đánh giá.

CPU
Bước chọn chạy local

Chọn lô frame theo ngân sách trên CPU. Lưu dữ liệu dưới dạng file, không cần cơ sở dữ liệu.

CLIP
Bối cảnh camera

OpenCLIP pretrained kết hợp OpenCV để đọc bối cảnh; không dùng VLM.

Công nghệ

Bộ công cụ tuyển chọn cho dữ liệu LiDAR

Engine rare_v24

ỨNG VIÊN

Từ ứng viên LiDAR đến độ hiếm RHCIO và lô frame cần xem. Thẻ dự đoán là gợi ý, cần người gán nhãn xác nhận.

Tầng 1: PointPillars đã train

ĐÃ ĐO

Detector 3D train trên nuScenes trainval, epoch 12/20: mAP 0,220 · NDS 0,343 trên 602 frame VAL. Chưa gắn vào benchmark T.

Chọn lô theo ngân sách

NGƯỜI DUYỆT

Chọn frame đủ điều kiện theo ngân sách và mức đa dạng; giữ lý do chọn để người gán nhãn kiểm tra trước khi xuất.

Deep Review 3D & bối cảnh

KIỂM TRA TAY

Xem point cloud, hộp 3D và sáu camera. OpenCLIP + OpenCV bổ sung bối cảnh chiếu sáng, chói, ống kính và thời tiết; ca chưa chắc cần người duyệt.

Quy trình

Ba bước từ dữ liệu thô đến danh sách gán nhãn

  1. 01

    Nạp dữ liệu nuScenes

    Nạp point cloud, ego pose, timestamp và ảnh camera. Kiểm tra cấu trúc dữ liệu trước khi phân tích; có dữ liệu mẫu để khám phá giao diện.

  2. 02

    Phân tích và chọn lô

    Engine rare_v24 tìm ứng viên, chấm độ hiếm và chọn theo ngân sách. OpenCLIP + OpenCV bổ sung bối cảnh camera, không dùng VLM.

  3. 03

    Kiểm tra và xuất ZIP

    Xem frame, đối chiếu LiDAR với camera và lý do chọn. Xuất ZIP ảnh camera, LiDAR có sẵn và lý do chọn từ lô đang duyệt.

Góc nhìn người sử dụng

Chất lượng nằm ở từng quyết định dễ kiểm tra.

Một lô frame hữu ích cần giúp bạn hiểu, kiểm tra và tiếp tục công việc gán nhãn.

Đây là các tiêu chí đánh giá trải nghiệm; chưa phải lời chứng thực từ người dùng.

  • Người gán nhãn

    Biết vì sao frame được chọn

    Đọc lý do chọn, xem hộp 3D và đối chiếu camera trước khi xác nhận.

  • Nhóm phát triển

    Đưa kết quả vào công việc

    Chọn theo ngân sách, kiểm tra lô frame và xuất ZIP để tiếp tục quy trình gán nhãn.

  • Người đánh giá

    Có số liệu để kiểm tra lại

    Xem phương pháp, dữ liệu nguồn và khoảng tin cậy để hiểu cả kết quả lẫn giới hạn.

Xem cách chúng tôi kiểm chứng

Bắt đầu

Sẵn sàng chọn frame đáng gán nhãn từ dữ liệu của bạn?

Nạp bộ nuScenes, bấm chạy phân tích và nhận danh sách frame tiêu biểu. Chưa có dữ liệu? Mở bộ dữ liệu mẫu ngay trong Dashboard.

Bắt đầu phân tíchXem hướng dẫn và thuật ngữ