Флай Дрон

@flydronenews · tech · Russian · active

Subscribers 4.5K Subscribers, last 30 days: 4.5K → 4.5K +0 24h
Reach per post (ERR) 14.6%657 avg views
Posting 3.2/day last 2 days ago
Reactions per 1K views 0.4 👍 🔥 🤔

Метод DAA: дроны как «разметчики» данных для беспилотных автомобилей Исследователи из Purdue University предложили метод DAA (Drones as Annotators) — способ автоматически размечать 3D-объекты для обучения систем восприятия беспилотных автомобилей, используя дрон в качестве «глаза с воздуха». Исследование опубликовано на arXiv. Для обучения детекторов 3D-объектов (машин, пешеходов и т.д.) нужны огромные массивы данных с вручную размеченными трёхмерными рамками (bounding box) — это дорого, долго и требует экспертизы. Существующие автоматические методы разметки («auto-labeling») почти всегда опираются только на бортовой LiDAR машины, но взгляд с уровня земли даёт неполную картину. Объекты часто частично или полностью перекрыты другими машинами, зданиями, деревьями — а значит, их реальные границы и форма остаются неизвестны. Авторы исследования предлагают дополнить наземный LiDAR данными с квадрокоптера, летающего над перекрёстком с камерой, направленной вниз. С высоты птичьего полёта дрон видит машины почти без перекрытий и способен непрерывно отслеживать их траектории. DAA работает без обучения, в два этапа: 1. Совмещение координат — детекции дрона и сканы наземного LiDAR приводятся к единой системе координат карты, откуда получаются грубые 3D-рамки объектов. 2. Уточнение рамок по EM-подобной схеме — метод поочерёдно определяет, какие именно точки LiDAR относятся к конкретной машине, и уточняет границы рамки, опираясь одновременно на эти точки и на «воздушные» данные дрона. В результате LiDAR даёт точную метрическую 3D-геометрию, а дрон — устойчивое отслеживание объекта без перекрытий; вместе эти два источника компенсируют слабые стороны друг друга. Метод был протестирован на собственном датасете с городского перекрёстка, где одновременно работали дрон, оснащённая LiDAR машина и придорожный сенсорный блок. Всего было собрано более 400 тысяч размеченных 3D-рамок. DAA стабильно превзошёл существующие baseline-методы автоматической разметки, а детекторы LiDAR, обученные на его псевдо-метках, показали результаты, сопоставимые с обучением на разметке вручную (при умеренных порогах IoU). Дополнительно авторы показали, что метод без каких-либо перенастроек переносится с бортового LiDAR на стационарный придорожный и на объединённые облака точек нескольких агентов.

Views over time

020040011 Sep 14:1511 Nov 12:3237811 Sep 14:15: 0 views11 Nov 12:32: 378 views
Snapshots we took after posting.
WhenViews
11 Sep 2026, 14:150
11 Nov 2026, 12:32378

Who shared this post

Posts in other channels we index that link to this one. (Forwards with a hidden source can't be traced.)

Nobody yet.