Bev 车道标注方案及复杂车道线解决

文章目录

• • 1. 数据采集方案
  • • 1.1 传感器方案
    • 1.2 数据同步
  • 2. 标注方案
  • • 2.1 标注注意项
    • 2.2 4d 标注(时序)
    • • 2.2.1 4d标签制作
      • 2.2.2 时序融合的作用
      • • 2.2.2.1 时序融合方式
        • 2.2.2.2 时序融合难点
        • 2.2.2.2 时序实际应用情况
  • 3. 复杂车道线解决
  • • 3.1 split 和merge车道线的解决
    • 3.2 大曲率或U形车道线的解决
    • • 3.2.1 u形或者环岛线解决 （特别大的弯道）
      • • 3.2.1.1 优化标注去解决
        • 3.2.1.1 模型层面去解决
      • 3.2.2 一般的大曲率弯道
      • 3.2.2.1 优化1：分割的方案
      • 3.2.2.2 优化2：增强大曲率弯道的特征表达

1. 数据采集方案

1.1 传感器方案

传感器布置: 6个 camer + 1个lidar +4路鱼眼， 或者前视还有1路窄角 + 1路广角。 现在基本上都是行泊一体的方案，泊车需要利用鱼眼相机， 正常相机在自车周围会有一圈盲区，是看不到的，由于泊车需要看到自车附近的区域所以需要用到鱼眼相机,鱼眼可以看到自车附近的区域。

1.2 数据同步

数据通过激光雷达和相机共同去采集，激光lidar的频率会很高，相机的频率会低一些。需要做相机和lidar的时间戳对齐，因为相机和lidar传感器之间是有时间的gap的。对齐可以分为两种:

• (1) 硬对齐：就是相机和lidar传感器之间需要同步曝光，这样他们两者采集的数据就不需要去做时间戳的对齐
• (2) 软同步:相机和lidar 传感器不是同步曝光的，需要软对齐，通常用最近邻的时间去匹配相机和lidar的数据。

2. 标注方案

• 合流车道线(merge) : 车道线由二变一
• 分流车道线(split): 车道线由一变二
• 合流点: 车道线由二变一的分界点（ 采样点标注