En cliquant sur "Accepter", vous acceptez que des cookies soient stockés sur votre appareil afin d'améliorer la navigation sur le site, d'analyser son utilisation et de contribuer à nos efforts de marketing. Consultez notre politique de confidentialité pour plus d'informations.

Qu'est-ce que l'annotation des véhicules autonomes ?

2 septembre 2022

Qu'est-ce que l'annotation ?

L'annotation est le processus de marquage ou d'étiquetage de diverses formes de données ou de contenus tels que des images, du texte, de l'audio ou de la vidéo. Cette opération permet aux modèles d'apprentissage automatique de les reconnaître et de faire des prédictions.

Qu'est-ce que l'annotation des véhicules autonomes ?

L'annotation des véhicules se fait par l'utilisation de boîtes de délimitation et la définition d'autres attributs qui entraînent les modèles d'apprentissage automatique à reconnaître et à comprendre les objets détectés par les capteurs du véhicule.

Types d'annotation pour les véhicules autonomes 

Annotation de boxe 2D pour les voitures à conduite autonome

L'annotation de boîtes 2D, qui est rectangulaire, utilise le site computer vision pour entraîner les véhicules autonomes à reconnaître des objets dans la rue. Il s'agit notamment des voies de circulation, des panneaux de signalisation, des zones de stationnement et des véhicules. Il s'agit de la forme la plus simple d'annotation pour les véhicules autonomes. 

Annotation de nuages de points 3D pour les véhicules autonomes 

Ce type de formation de données permet une détection précise des objets à l'aide de capteurs tels que le LiDAR, qui transmettent la lumière et calculent le temps nécessaire à la réflexion vers le capteur pour que chaque point soit créé avec des cases 3D. Elle permet de reconnaître des objets à l'intérieur comme à l'extérieur. Pour les véhicules automatisés, elle est utilisée pour distinguer et classer les voies sur les routes à l'aide de cartes de nuages de points en 3D.

Segmentation sémantique pour les véhicules autonomes 

La segmentation sémantique est la technique numérique qui consiste à diviser ou à partitionner une image en différentes parties ou régions, en tenant compte des pixels de l'image. Dans le cas des véhicules automatisés, les objets annotés sont ombragés pour être facilement reconnus sur computer vision. La segmentation sémantique permet de différencier tous les contenus de l'image.

Annotation de polygones pour les véhicules à conduite autonome 

L'annotation de polygones automatise la détection d'objets de forme complexe dont la précision est très recherchée. Elle dessine des polygones précis autour d'objets aux formes bizarres. Elle aide les véhicules automatisés à reconnaître les objets visibles tels que les motos, les vélos ou les voitures dans la rue. Bien qu'elle soit très précise, elle est également coûteuse et prend beaucoup de temps.

Annotation de points clés pour les véhicules autonomes 

Ce type de formation des données permet de reconnaître facilement les rues et les autoroutes pour des mouvements routiers précis. Il utilise le site computer vision pour annoter les surfaces et les voies de circulation (qu'elles soient simples, doubles, brisées ou peintes) afin de faciliter leur détection par les véhicules automatisés.

Elle présente un nombre varié d'arêtes connectées et étiquetées numériquement, appelées points clés. Ils sont essentiels pour suivre les variations d'objets structurés similaires tels que l'anatomie humaine. Pour les véhicules autonomes, les points clés sont utilisés comme points de contact entre les routes et les pneus des véhicules.

Annotation de polylignes pour les voitures autonomes

Ce type de formation des données permet de reconnaître facilement les rues et les autoroutes pour des mouvements routiers précis. Il utilise le site computer vision pour annoter les surfaces et les voies de circulation (qu'elles soient simples, doubles, brisées ou peintes) ainsi que les passages pour piétons afin de faciliter leur détection par les véhicules automatisés.

Annotation de vidéo unique et en continu pour les véhicules autonomes 

Grâce à cette technique, les vidéos sont divisées en milliers d'images, tandis que les images ciblées sont annotées pour chaque image, ce qui aide essentiellement les véhicules à reconnaître les objets dans des scénarios complexes. L'annotation vidéo des images en continu utilise les algorithmes des objets annotés dans les vidéos d'une seule image pour suivre les objets ciblés dans les images suivantes. Les annotations ne sont ajustées que dans les cas où les algorithmes sont incapables de fonctionner de manière satisfaisante. Elle est utilisée pour des scénarios simples.

Vous pourriez également aimer
ces nouveaux articles connexes

Vous voulez grandir vos projets de labellisations de données
et le faire de manière éthique ?

Nous disposons d'une large gamme de solutions et d'outils qui vous aideront à former vos algorithmes. Cliquez ci-dessous pour en savoir plus !