За инженерите, които усъвършенстваха 2D тръбопроводи за данни, преминаването към 3D може да бъде шок.Това, което някога е било решен проблем на рисуването на 2D кутии, се е превърнало в сложна битка срещу оскъдните облаци от точки, грубата визуализация и двусмислените класификации. Един „прост“ процес често включва многобройни предизвикателства и скрити пропуски.Как могат да бъдат решени и кое е оптималното решение за тях?Нека се опитаме да го намерим „в областта“, като изследваме експертните познания и проектите на водещия доставчик на етикети и 3D платформа. Where the bottlenecks arise 3D етикетирането на един сегмент правилно отключва мощни възможности за автономни системи в различни индустрии, включително автомобилостроене, роботизация, строителство и здравеопазване. Така че, къде възниква уникален набор от предизвикателства? Данните от един сегмент са напълно нестабилни: отраженията от стъклени или мокри повърхности, шум, предизвикан от времето, и непрекъснато движещите се обекти могат да изкривят сцената или да създадат „фантомни“ структури, които никога не са съществували. Широкомащабните сканиране на AI не знаят, че сензорът е прозрачен, векторът може да синхронизира рамки и поддържането на геометрична консистенция в масивни набори от данни изисква внимателен контрол. Още по- Joint laboratory of humans and powerful tools на Между , екип, специализиран в етикетирането с висока точност, и , платформа, предназначена за етикетиране на 3D в корпоративен мащаб, демонстрира как комбинацията от усъвършенствани инструменти и човешки опит повишава 3D работните потоци и решава скритите бариери.Работейки по 3D проекти с различна сложност и мащаб, екипите на Keymakr и Segments.ai споделят най-интересните си случаи и творчески решения за предизвикателни проблеми. Обявено партньорство Ключодържател Сегменти.bg Solving weather-related point cloud distortions Един от практическите примери за разрешаване на задръстванията дойде от шума, свързан с времето. По време на проект за картографиране на инфраструктурата, базиран на LiDAR, тежката мъгла и дрезгавостта причиняват нестабилна плътност на точката, което затруднява разграничаването на реални обекти от атмосферни артефакти. Вградените филтри на Segments.ai се справят с първия слой почистване, като отстраняват нискоинтензивни и изолирани точки. Въпреки това, метеорологичните изкривявания са твърде хетерогенни само за автоматични инструменти: мъглата създава дифузни точкови клъстери, дрезгавостта генерира остри, но случайни „свирки“, а отразяващите Визуален анализ, базиран на модели: Анотаторите ръчно идентифицират повтарящи се звукови подписи (магнитни петна, отразяващи блясък, влажни артефакти). Итеративно регулиране на прага: инженерите на Segments.ai адаптират правилата за филтриране към екологичните смущения, а не към общите шумове. Наслоено почистване: наборът от данни е филтриран, преразгледан, коригиран и след това преминат през коригиран филтър за втори път. Кръстосано проверяване в 3D пространството: операторите валидират и почистват регионите в множество ъгли и дълбочини, за да гарантират, че легитимните обекти са запазени. Още по-важното е, че той произвежда повтарящ се работен поток за сканиране, повлияно от времето, процес, който двата отбора сега използват като шаблон, когато работят с LiDAR, заснети при неидеални условия. "Екипът на Keymakr използва пълноценно нашата платформа, за да оптимизира скоростта и качеството на сложните проекти. Техните проактивни комуникации и експертни отзиви ни помагат непрекъснато да подобряваме платформата. Ото Дебалс, главен изпълнителен директор на Segments.ai "Keymakr’s team makes full use of our platform to optimize speed and quality across complex projects. Their proactive communication and expert feedback help us continuously improve the platform. It’s always great to see the results they’re achieving for some of the customers we support together." Ото Дебалс, главен изпълнителен директор на Segments.ai Restoring time synchronization in custom LiDAR formats Друг случай е свързан с технически затруднения, свързани с данните от точковия облак. За разлика от видеото, където рамките са дискретни и лесни за подравняване, точковите облаци се измерват с течение на времето, което означава, че не е конкретна рамка, а непрекъснато записване в секунди. Клиентът има персонализиран формат на данните, а по време на качването се пренебрегва подравняването на рамката към точковия знак, което води до неправилно показване на файла. В резултат на това платформата не може да разпознава или обработва набора от данни. Предизвикателството е решено съвместно от техническия екип на Keymakr и инженерите на Segments.ai, които са коригирали логиката за картографиране на „Винаги търсим креативни начини да използваме инструментите на нашите партньори, тъй като нашите клиенти често изискват нестандартни и сложни задачи“, казва Зоя Бойко, премиер на Keymakr. „Работата с неконвенционални формати и предизвикателни случаи помага на Segments да подобри платформата, създавайки по-добра среда за всички. „Винаги търсим креативни начини да използваме инструментите на нашите партньори, тъй като нашите клиенти често изискват нестандартни и сложни задачи“, казва Зоя Бойко, премиер на Keymakr. „Работата с неконвенционални формати и предизвикателни случаи помага на Segments да подобри платформата, създавайки по-добра среда за всички. По този начин, Keymakr допринася за човешкия компонент, внимателност, творчество и дълбоко разбиране за това как се държат данните в реалния свят. Segments носи елемента на рационализиране - захранване на работните потоци, инженерни решения и позволяване на етикетиране.Когато екипът за анотация тества реални "полеви" случаи на платформата, двете компании създават среда, в която инструментът се адаптира към потребителя и от своя страна оформя работните потоци съответно. Resolving structural breaks in 3D road markings Дори една малка изкуствена „пропаст” може да бъде погрешно интерпретирана от автономна система като край на пистата. За да се справи с това, екипът на Keymakr разработи работен поток, основан на непрекъснати полилинии с автоматично премахване на припокриването. Всяко маркиране на пътя е направено като един непрекъснат обект, след което Segments.ai автоматично премахва само сегментите, които попадат в зоните на припокриване. Това предотвратява четенето на модела от припокриване като структурни прекъсвания, което значително подобрява последователността. „В 3D не можете да си позволите случайни пропуски.Единствено прекъсване може да изкриви геометрията на цялата сцена и да заблуди автономната система.Нашата цел беше да създадем работен поток, в който непрекъснатостта е гарантирана от дизайна, а не оставена на случайността“, казва Зоя Бойко, премиер на Keymakr. „В 3D не можете да си позволите случайни пропуски.Единствено прекъсване може да изкриви геометрията на цялата сцена и да заблуди автономната система.Нашата цел беше да създадем работен поток, в който непрекъснатостта е гарантирана от дизайна, а не оставена на случайността“, казва Зоя Бойко, премиер на Keymakr. Процесът беше допълнително укрепен чрез работа в агрегирана 3D сцена с помощта на режима на сливане на Segments.ai. Вместо хиляди откъснати рамки, анотаторите работят с единно, плътно представяне на целия маршрут, завършено с ръбове, раздели, сливания, ограничения, знаци и релси. Този холистичен изглед направи пътната геометрия по-ясна, преходите по-логични и изглаждането на линиите много по-точни. След като изградиха глобалния „скелет“ на анотацията в режим на сливане, операторите се върнаха към редактиране на ниво рамка само за да усъвършенстват припокриванията, без да променят основната геометрия. Всички тези случаи от Keymakr и Segments.ai могат да се разглеждат като примери за съвместна лаборатория, където технологията се развива в тандем с човешкия опит. Докато 3D етикетирането често се разглежда като чисто технически процес, в действителност то отразява нещо много по-дълбоко, обучавайки машините да разбират реалния свят. Всеки точков облак улавя фрагмент от реалността и това е човешкият оператор, който определя какво е смислено, какво е шум и какво наистина съществува на сцената.
