Daten zum autonomen Fahren
Verbessern Sie Ihre autonomen Fahrprojekte mit den spezialisierten Datendiensten von SurfingTech. Mit erweiterten Punktwolkenannotationen und umfassenden 2D- und 3D-Datenannotationslösungen erfüllen wir die komplexen Anforderungen des autonomen Fahrzeugtrainings. Unser präzisionsorientierter Ansatz gewährleistet qualitativ hochwertige Daten für ein genaues Modelltraining und verbessert so die Sicherheit und Effizienz selbstfahrender Technologien. Arbeiten Sie mit uns zusammen, um zuverlässige Datenlösungen für autonomes Fahren zu erhalten, die Innovation und Fortschritt im Bereich autonomer Fahrzeuge vorantreiben.
Unser Projekt „Global Street View Collection“ zielt darauf ab, dieser Nachfrage gerecht zu werden, indem wir eine hochmoderne Lösung für die Erfassung, Verarbeitung und Bereitstellung hochwertiger Straßenbilder aus allen Teilen der Welt bereitstellen.
Durch den Einsatz hochauflösender Kameras und innovativer Aufnahmetechniken wird sichergestellt, dass jedes Detail anschaulich dokumentiert wird.
Deckt städtische, vorstädtische und ländliche Gebiete auf allen fünf Kontinenten ab, um einen umfassenden und umfassenden Datensatz bereitzustellen.
Sicherstellung der Kompatibilität mit wichtigen Kartendiensten, geografischen Informationssystemen (GIS) und Virtual-Reality-Plattformen.
Bietet eine intuitive und benutzerfreundliche Oberfläche für den einfachen Zugriff auf und die Navigation in Street View-Daten.
2D-Annotation umfasst Begrenzungsrahmen, Polygon, semantische Segmentierung und Zielverfolgung.
Die 3D-Annotation spielt eine wichtige Rolle bei der Verbesserung der Genauigkeit der Ziel- und Richtungserkennung. Gleichzeitig kann der Zielerkennungsalgorithmus die Position und Lage von Fahrzeugen im realen 3D-Raum vorhersagen.
Die 3D-Punktwolken-Annotationsplattform wurde von SurfingTech entwickelt und ist Eigentum des Unternehmens. Sie ist in zwei Versionen erhältlich: Diskretes Bild-Annotation und Videosequenz-Annotation.
Das diskrete Bild bezieht sich auf Einzelbild-Punktwolkendaten ohne zeitsequentielle Verbindungen. Jedes Einzelbild muss separat kommentiert werden, wie unten gezeigt. Sehr oft reicht die Anzahl der Punkte in einem Einzelbild nicht aus, daher ist es notwendig, die Farbe des 2D-Bildes auf den entsprechenden Punkt in den 3D-Punktwolkendaten zu projizieren. Gleichzeitig müssen Kommentatoren auf das 2D-Bild verweisen, um die Kommentierung abzuschließen.
Für die Videosequenz-Annotation (szenenbasiert) rekonstruieren wir die 3D-Szene zunächst anhand der Kontinuität zwischen den Einzelbildern und annotieren sie dann in der 3D-Szene. Die Annotation wird auf jedes Einzelbild der 2D-Bilder und Punktwolkendaten zurückprojiziert, um das Annotationsergebnis zu bilden.
– Berechnen Sie die Transformationsparameter, damit Punkte eines Sensors in das Koordinatensystem eines anderen Sensors transformiert werden können. – Berechnen Sie die Entsprechung zwischen Punkten in 3D-Punktwolkendaten und Punkten in 2D-Bilddaten, was zur Verbesserung der Genauigkeit des Szenenverständnisses hilfreicher ist.
Erkennen des Positionsbereichs der Kalibrierungsplatte in den Bereichsdaten.
Geben Sie weitere Informationen ein, um die Ergebnisse der globalen Registrierung zu optimieren.
Der endgültige Wert des transformierten Parameters wird mithilfe einer Methode zur Nicht-Maximum-Unterdrückung berechnet.
Berechnen Sie einen Satz möglicher Transformationsparameter schneller.
Wir bieten eine leitungsgesteuerte Nachrüstlösung für die Modelle Lincoln MKZ Hybrid und Geely Borui GE. Sie bietet Funktionen zur vertikalen Steuerung (Gas, Bremse) und seitlichen Steuerung (Lenkung) sowie zur Steuerung von Gängen und Blinkern. Gleichzeitig kann sie notwendige Rückmeldungen zu den Körperzuständen liefern, wie z. B. Fahrzeuggeschwindigkeit, Raddrehzahl, Lenkradwinkel, Drosselklappenöffnung, GPS, Status des Viertürer-Zwei-Deckel-Schalters. Der Modifikationszyklus dauert einen Tag, und die leitungsgesteuerte Modifikation des Unternehmens ist eine zerstörungsfreie Modifikation, die den Aktuator des Originalfahrzeugs nicht verändert.