Primero la visualización
Antes de anotar, los equipos de AV necesitan explorar y comprender sus datos. El visor multi-sensor de Avala maneja la pila completa de sensores de AV:Reproducción MCAP
Suba grabaciones MCAP de su flota de vehículos y reproduzca todos los flujos de sensores en un visor multi-panel sincronizado con 8 tipos de paneles.
Cámara envolvente + LiDAR
Vea todas las cámaras envolventes junto con nubes de puntos LiDAR con proyección automática basada en calibración para verificación cruzada de sensores.
3D acelerado por GPU
Renderice nubes de puntos LiDAR con aceleración WebGPU y 6 modos de visualización: Neutral, Intensity, Rainbow, Label, Panoptic e Image Projection.
Navegación por línea de tiempo
Desplácese por registros de conducción, avance fotograma a fotograma y salte a marcas de tiempo específicas. Todos los paneles se mantienen sincronizados a través de diferentes tasas de sensores.
Tipos de datos
Tareas comunes
Detección de objetos 3D
Etiquete vehículos, peatones, ciclistas y objetos estáticos con cuboides 3D en nubes de puntos LiDAR. El editor de anotación 3D proporciona vistas cenital, perspectiva y lateral para la colocación precisa de cuboides. Los cuboides incluyen parámetros completos de posición (x, y, z), dimensiones (largo, ancho, alto) y heading (yaw).Proyección multi-cámara
Anote cuboides 3D en la vista LiDAR y proyéctelos automáticamente sobre las imágenes de las cámaras envolventes para verificación visual. El visor soporta modelos de cámara pinhole y double-sphere, por lo que la proyección funciona con lentes estándar y ojo de pez.Anotación de carriles y bordes de vía
Use herramientas de polilíneas para trazar marcas de carril, bordillos y bordes de vía en vistas de cámara. Las polilíneas soportan segmentos conectados con edición a nivel de vértice, haciéndolas adecuadas para carriles curvos e intersecciones complejas.Seguimiento temporal de objetos
Rastree objetos a través de fotogramas con IDs consistentes para modelos de predicción de movimiento y pronóstico de trayectorias. Los IDs de objetos persisten a lo largo de la línea de tiempo de la secuencia, y la navegación fotograma a fotograma del visor facilita la verificación de la continuidad del seguimiento.Clasificación de escena
Clasifique condiciones de conducción a nivel de escena — clima (despejado, lluvioso, neblinoso), hora del día (día, atardecer, noche), tipo de vía (autopista, urbano, rural) y densidad de tráfico. Las etiquetas de clasificación se aplican al fotograma completo y pueden combinarse con anotaciones a nivel de objeto.Características de Avala utilizadas
Pipeline de ejemplo
Primeros pasos
1
Suba sus datos de conducción
Cree un dataset con tipo de dato
mcap y suba grabaciones MCAP de su flota. Para datasets grandes, use la integración de almacenamiento en la nube para conectar su bucket S3 directamente.2
Explore en el visor
Abra una grabación en el visor multi-sensor. Verifique que los datos de cámara, LiDAR y transformación estén presentes. Compruebe la calibración habilitando la proyección LiDAR-a-cámara.
3
Configure su proyecto de anotación
Cree un proyecto con anotación de cuboides 3D, defina su taxonomía de etiquetas (vehicle, pedestrian, cyclist, etc.) y configure los ajustes de control de calidad.
4
Anote y revise
Su equipo anota cuboides 3D con IDs de seguimiento. Los revisores verifican las anotaciones usando proyección multi-cámara para detectar errores de profundidad y heading.
5
Exporte y entrene
Exporte datos etiquetados en su formato preferido. Use el Python SDK o TypeScript SDK para integrar exportaciones en su pipeline de entrenamiento.
Próximos pasos
MCAP y ROS
Guía detallada para preparar y subir grabaciones multi-sensor.
Herramienta cuboide 3D
Cómo colocar, ajustar y rastrear cuboides 3D en el editor de nubes de puntos.
Mejores prácticas de grabación
Consejos para grabar datos que se visualizan y anotan bien.
Control de calidad
Configure flujos de revisión multi-etapa para anotación en producción.