메인 콘텐츠로 건너뛰기
자율주행 차량 팀은 업계에서 가장 크고 복잡한 센서 데이터셋을 생성합니다. Avala는 원시 멀티센서 녹화를 시각화하고, 인지 학습 데이터에 어노테이션하고, 품질 관리를 실행하는 단일 플랫폼을 제공합니다 — 별도의 시각화 도구와 라벨링 도구 사이를 전환할 필요가 없습니다.

시각화 우선

어노테이션 전에, AV 팀은 데이터를 탐색하고 이해해야 합니다. Avala의 멀티센서 뷰어는 전체 AV 센서 스택을 처리합니다:

MCAP 재생

차량 플릿의 MCAP 녹화를 업로드하고 8가지 패널 유형을 갖춘 동기화된 멀티패널 뷰어에서 모든 센서 스트림을 재생하세요.

서라운드 카메라 + LiDAR

교차 센서 검증을 위한 자동 캘리브레이션 인식 프로젝션과 함께 모든 서라운드 카메라를 LiDAR 포인트 클라우드와 함께 보세요.

GPU 가속 3D

WebGPU 가속과 6가지 시각화 모드로 LiDAR 포인트 클라우드를 렌더링하세요.

타임라인 네비게이션

주행 로그를 스크럽하고, 프레임별로 이동하고, 특정 타임스탬프로 점프하세요. 모든 패널은 다른 센서 속도에 걸쳐 동기화됩니다.

일반적인 작업

3D 객체 탐지

LiDAR 포인트 클라우드에서 차량, 보행자, 자전거 이용자, 정적 객체를 3D 큐보이드로 라벨링합니다. 3D 어노테이션 편집기는 정밀한 큐보이드 배치를 위한 조감도, 원근도, 측면도를 제공합니다.

멀티카메라 프로젝션

LiDAR 뷰에서 3D 큐보이드를 어노테이션하고 시각적 검증을 위해 서라운드 카메라 이미지에 자동으로 투영합니다.

차선 및 도로 경계 어노테이션

카메라 뷰에서 폴리라인 도구를 사용하여 차선 표시, 연석, 도로 가장자리를 추적합니다.

시간적 객체 추적

모션 예측 및 궤적 예측 모델을 위해 일관된 ID로 프레임에 걸쳐 객체를 추적합니다.

시작하기

1

주행 데이터 업로드

mcap 데이터 유형으로 데이터셋을 생성하고 플릿의 MCAP 녹화를 업로드합니다. 대규모 데이터셋의 경우, 클라우드 스토리지 통합을 사용하여 S3 버킷을 직접 연결하세요.
2

뷰어에서 탐색

멀티센서 뷰어에서 녹화를 엽니다. 카메라, LiDAR, 변환 데이터가 있는지 확인합니다.
3

어노테이션 프로젝트 설정

3D 큐보이드 어노테이션으로 프로젝트를 생성하고, 라벨 분류 체계를 정의하고, 품질 관리 설정을 구성합니다.
4

어노테이션 및 리뷰

팀이 추적 ID와 함께 3D 큐보이드를 어노테이션합니다. 리뷰어는 멀티카메라 프로젝션을 사용하여 어노테이션을 검증합니다.
5

내보내기 및 학습

선호하는 형식으로 라벨링된 데이터를 내보냅니다. Python 또는 TypeScript SDK를 사용하여 학습 파이프라인에 통합하세요.

다음 단계

MCAP & ROS

멀티센서 녹화 준비 및 업로드에 대한 자세한 가이드.

3D 큐보이드 도구

포인트 클라우드 편집기에서 3D 큐보이드를 배치, 조정, 추적하는 방법.