Maîtriser l'annotation de nuages de points en utilisant la plateforme d'annotation de données BasicAI

L'annotation de nuages de points est une étape cruciale dans la numérisation des informations 3D des objets du monde réel. Elle est essentielle pour former des modèles d'apprentissage automatique, notamment dans la conduite autonome, les drones et la modélisation des informations du bâtiment.

Nous utiliserons BasicAI Cloud comme exemple pour démontrer comment effectuer différents types d'annotation de nuages de points.

Construction d'ontologies

L'ontologie est un système d'étiquetage multi-niveaux qui comprend des classes (catégories), des sous-classes (sous-catégories) et des attributs. Avant l'annotation, nous devons établir un ensemble approprié d'étiquettes pour la cible d'annotation.

Étape 1. Accédez à la plateforme d'annotation en ligne de BasicAI Cloud sur https://app.basic.ai et enregistrez un compte.

Étape 2. Organisez vos données de nuages de points LiDAR et téléchargez-les dans votre nouvel ensemble de données créé.

Étape 3. Allez au centre ontologique de l'ensemble de données et créez des étiquettes. Selon la tâche, sélectionnez le type d'outil approprié (Cuboid, Polygon/Polyline, Segmentation) sous le type d'annotation et ajoutez des attributs appropriés aux étiquettes.

Annotation de Cuboïdes 3D

L'annotation de cuboïdes 3D est la méthode la plus simple, utilisée pour marquer des objets spécifiques dans le nuage de points, comme des véhicules, des piétons et des bâtiments. Elle consiste à tracer une boîte 3D autour de l'objet cible, où la taille et la position de la boîte reflètent directement la taille et la localisation de l'objet. Cette méthode est particulièrement adaptée aux tâches de détection d'objets, car elle peut fournir rapidement des informations de délimitation des objets.

Entrez dans l'interface d'annotation de BasicAI Cloud. Dans cet exemple, supposons que nous devons annoter des véhicules.

Étape 1. Sélectionnez le premier outil dans la barre d'outils de gauche.

Étape 2. En cliquant deux fois sur les coins opposés d'un objet, vous pouvez créer un cuboïde de nuage de points. (Une variante de cet outil est l'outil de clic triple, qui crée un cuboïde en cliquant trois fois autour de l'objet)

Étape 3. Après avoir annoté l'objet, la fenêtre des étiquettes apparaîtra. La sélection de l'étiquette de classe et des attributs appropriés termine l'annotation de la cible.

Annotation de Polylignes 3D

L'annotation de polylignes 3D est principalement utilisée pour annoter des caractéristiques linéaires telles que des routes, des pipelines et des lignes électriques. Elle représente des segments de ligne continus à travers une séquence de points dans les données de nuages de points, aidant les machines à comprendre la disposition structurelle de l'environnement. Dans les scénarios de conduite autonome, l'annotation de polylignes 3D peut capturer avec précision les caractéristiques des lignes de voie, permettant aux véhicules de naviguer plus précisément.

Dans cet exemple, annotons des lignes pour la détection des voies.

Étape 1. Sélectionnez l'outil de polyligne dans la barre d'outils de gauche.

Étape 2. Cliquez sur le point de départ de la voie pour créer le point de départ de la polyligne.

Étape 3. s'il y a une courbe dans la ligne de voie, ajoutez des points.

Étape 4. Enfin, créez un point à la fin et appuyez sur la barre d'espace pour terminer la création de la polyligne.

Étape 5. Sélectionnez l'étiquette de ligne de voie que nous avons créée.

Annotation de Polygones 3D

L'annotation de polygones 3D est utilisée pour des zones fermées aux formes plus complexes, telles que des zones au sol ou des surfaces d'objets irréguliers. Semblable à l'annotation polygonale dans les images 2D, mais dans un espace tridimensionnel, elle définit une surface fermée qui peut être utilisée pour marquer des zones ou surfaces spécifiques dans le nuage de points. Cette méthode d'annotation est adaptée aux scénarios nécessitant des descriptions précises des contours de surface des objets.

Étape 1. Par exemple, si nous voulons annoter la zone praticable d'un véhicule, nous pouvons sélectionner l'outil polygonal dans la barre d'outils.

Étape 2. Créez un polygone fermé le long de la zone praticable.

Étape 3. Appuyez sur la barre d'espace au dernier point du polygone pour terminer la création.

Étape 4. Sélectionnez la classe de polygone que nous avons créée.

Segmentation Sémantique

La segmentation sémantique classe chaque point dans le nuage de points, lui attribuant une étiquette sémantique spécifique, telle que « route », « arbres », « bâtiments », etc.

Cela nécessite une analyse point par point des données de nuages de points pour identifier et distinguer différents types d'objets ou de surfaces. La segmentation sémantique fournit des informations spatiales de haute précision, qui sont cruciales pour les systèmes de conduite autonome afin de comprendre l'environnement, car elle peut fournir des descriptions détaillées et continues de l'environnement.

Étape 1. Passez à «Segmentation » en haut de la liste ontologique sur le côté droit, et vous verrez que la barre d'outils de gauche change également pour des outils de segmentation.

Étape 2. Développez le deuxième outil pour voir quatre outils de segmentation, parmi lesquels le premier Lasso Pen et le deuxième Polygone sont couramment utilisés.

Étape 3. Cernez un groupe de points avec les mêmes attributs dans le nuage de points pour les annoter.

Annotation Automatisée

L'annotation couplée homme-machine est devenue un nouveau paradigme d'annotation, et cela est également vrai pour l'annotation de nuages de points. Idéalement, l'annotation assistée par modèle peut considérablement améliorer l'efficacité de l'annotation, dans certains cas même y parvenir des améliorations dont le facteur est des dizaines. Et bien sûr, SmartOne.ai est partenaire de Basic.ai pour aider à fournir vos annotateurs de données humains en boucle comme service, pour garantir que vos modèles d'IA sont formés avec les annotations de nuages de points les plus précises.

BasicAI Cloud intègre des modèles pré-entraînés pour des scénarios de conduite autonome, permettant l'annotation automatique en un clic et la segmentation pour la détection d'objets dans les nuages de points.

Vous pouvez cliquer sur l'icône de cerveau dans la barre d'outils pour invoquer le modèle. De plus, pour les données de trames continues de nuages de points, des modèles de suivi d'objets peuvent être utilisés pour compléter l'annotation de suivi d'objets 3D.

Surmonter les Défis dans les Projets d'Annotation de Nuages de Points

L'annotation de nuages de points peut être décourageante en raison de données à grande échelle, de contrôle de qualité et de problèmes de visualisation. Surmonter ces obstacles est essentiel pour garantir l'exactitude des données et le succès du projet.

Visualisation Efficace

La nature tridimensionnelle des données de nuages de points nécessite que les outils d'annotation fournissent des vues 3D intuitives, mais la visualisation d'environnements 3D complexes et de grandes quantités de points de données est un défi.

Les petites équipes peuvent tirer parti d'outils open-source comme PCL, Xtreme1 ou point-cloud-annotation-tool pour des fonctionnalités telles que la rotation, le redimensionnement et le changement de vue multiple. Les grandes équipes devraient opter pour des plateformes d'annotation de données basées sur le cloud comme Supervisely ou BasicAI Cloud pour permettre une collaboration et une évolutivité sans couture.

Gestion de Grands Volumes de Données

Les nuages de points contiennent souvent des millions ou des milliards de points, nécessitant un traitement des données efficace. Le chargement, la transmission et le traitement de données à grande échelle imposent de fortes exigences sur les ressources matérielles et l'optimisation des algorithmes. Plusieurs solutions viables sont :

• Utiliser des frameworks de calcul distribué pour paralléliser le fractionnement des données et réduire la charge système.

• Appliquer un prétraitement intelligent comme le sous-échantillonnage et le filtrage pour réduire le volume de données tout en préservant les informations clés. Des plateformes comme BasicAI Cloud offrent un amincissement de nuages de points en un clic.

Assurer la Qualité dans l'Annotation de Nuages de Points

Maintenir des normes d'annotation cohérentes à travers des données de nuages de points complexes est un défi. Pour assurer la qualité :

• Tout d'abord, au début du projet, il est nécessaire d'établir des directives strictes d'annotation des données et des normes de contrôle de qualité pour garantir que chaque annotateur suit des règles unifiées. En même temps, fournir une formation professionnelle aux annotateurs, comprenant des apprentissages théoriques et des évaluations pratiques, pour garantir la compréhension des exigences du projet et des normes d'annotation.

• Pendant le projet, choisir des outils avec annotation intelligente peut éviter les erreurs humaines dans une certaine mesure et améliorer l'efficacité.

• Des plateformes comme BasicAI Cloud combinent inspection manuelle, inspection en temps réel personnalisée et inspection par lots pour atteindre des contrôles multi-niveaux. Elles définissent des règles d'inspection en fonction des caractéristiques de différents projets pour améliorer la qualité et l'efficacité.

Choisir la Bonne Approche : Annotation de Nuages de Points en Interne ou Externalisée

En ce qui concerne l'annotation des nuages de points, vous pouvez soit la garder en interne, soit l'externaliser à des experts. Considérez des facteurs tels que la sensibilité des données, la personnalisation des processus, les coûts et l'échelle lors de la décision.

L'annotation en interne offre un meilleur contrôle de la qualité et de la sécurité des données, adaptée aux projets avec une haute sensibilité des données et des processus hautement personnalisés, mais peut augmenter les coûts de main-d'œuvre à long terme et l'investissement technique initial.

En revanche, l'externalisation à des entreprises professionnelles peut tirer parti de leur expertise et de leur efficacité, réduire les coûts, et est particulièrement adaptée aux projets à grande échelle et standardisés. Cependant, les problèmes de sécurité des données doivent être soigneusement gérés, et l'expertise et le contrôle de qualité du fournisseur doivent répondre aux exigences.

Annotation de Nuages de Points en Interne : Choisir les Bons Outils et Flux de Travail

Pour les projets internes, choisissez des outils qui offrent de puissantes capacités de traitement 3D, des interfaces conviviales et une compatibilité avec les flux de travail existants.

La conception du flux de travail doit commencer par des normes d'annotation claires, simplifier les tâches grâce au prétraitement des données, et envisager des outils avec annotation automatisée pour améliorer l'efficacité. Mettre en œuvre une annotation par étapes et un contrôle de qualité strict.

Pour la collaboration d'équipe, les outils doivent permettre à plusieurs personnes d'accéder simultanément au même ensemble de données, fournir des fonctions de gestion de projet telles que l'attribution de tâches et le suivi de l'avancement, et un contrôle d'accès granulé pour garantir la sécurité des données et la confidentialité. Choisir des plateformes axées sur la collaboration des équipes d'annotation peut grandement améliorer l'efficacité du travail.

La facilité d'utilisation et la courbe d'apprentissage des outils sont également des considérations importantes. Un design d'interface intuitive, des outils d'annotation faciles à utiliser, et des guides utilisateurs complets et un support technique peuvent aider les équipes d'annotation à monter en compétences rapidement, réduire les coûts de formation supplémentaires et améliorer l'efficacité globale du projet.

Externalisation de l'Annotation de Nuages de Points : Avantages, Considérations et Choix d'un Fournisseur

Lorsque vous externalisez, évaluez les fournisseurs en fonction de leur expérience dans l'industrie, leur compréhension du domaine, leurs mesures de sécurité des données, leurs processus d'assurance qualité, leur réactivité et leur rapport coût-efficacité.

Vérifiez la performance du fournisseur à travers des études de cas et des projets d'essai, et assurez-vous que les contrats définissent clairement la protection des données et les normes de qualité.

Choisissez un fournisseur qui offre des services personnalisés, s'adapte aux besoins spécifiques du projet et excelle dans la communication et la gestion de projet pour garantir une collaboration fluide.

Et bien sûr, assurez-vous de savoir avec qui votre fournisseur de plateforme de données technologiques collabore pour aider à fournir les services d'annotation de données dont vous avez besoin, comme SmartOne.ai pour maximiser la valeur de vos investissements dans les plateformes d'annotation de données.

Points Clés à Retenir

1. Le LiDAR est une technologie cruciale pour diverses industries, fournissant une cartographie 3D environnementale de haute précision pour des applications comme la conduite autonome, la robotique et l'agriculture de précision.

2. Les données de nuages de points, obtenues à partir du LiDAR, sont un ensemble de points 3D contenant des coordonnées et des attributs supplémentaires, et se présentent dans divers formats comme PCD, LAS/LAZ, PTS/PTX, et ASC/XYZ, chacun adapté à différentes applications et exigences de stockage.

3. Le traitement des données de nuages de points implique divers algorithmes pour des tâches telles que le prétraitement, la classification, la détection et la segmentation, qui sont essentiels pour la mise en œuvre des applications automobiles.

4. Une annotation efficace des nuages de points implique la construction d'ontologies, l'utilisation de techniques telles que l'annotation de cuboïdes 3D, de polylignes, de polygones et la segmentation sémantique, et l'exploitation de l'annotation couplée homme-machine pour plus d'efficacité.

5. Lorsqu'il s'agit de décider entre annotation de nuages de points en interne et externalisée, considérez des facteurs tels que la sensibilité des données, la personnalisation des processus, les coûts et l'échelle, et choisissez des outils ou des fournisseurs qui offrent de puissantes capacités de traitement 3D, des interfaces conviviales et des mesures de sécurité des données robustes.
   
   

Pour en savoir plus sur BasicAI, consultez notre Aperçu de la Plateforme d'Annotation de Données BasicAI.

À Propos de l'Auteur

Admon Wang est un instructeur d'académie chez BasicAI, se concentrant sur les dernières tendances de l'IA, l'annotation de données et l'apprentissage automatique. Passionné par la mise à disposition de concepts IA complexes, Admon collabore avec l'équipe d'ingénierie de BasicAI pour partager leurs innovations avec un public élargi. Il travaille également en étroite collaboration avec les clients de BasicAI, les aidant à tirer le meilleur parti des services et produits de l'entreprise.