Dati di guida autonoma
Migliora i tuoi progetti di guida autonoma con i servizi dati specializzati di SurfingTech. Offrendo annotazioni avanzate di point cloud e soluzioni complete di annotazione di dati 2D e 3D, soddisfiamo le complesse esigenze di formazione di veicoli autonomi. Il nostro approccio basato sulla precisione garantisce dati di alta qualità per una formazione accurata del modello, migliorando la sicurezza e l'efficienza delle tecnologie di guida autonoma. Collabora con noi per soluzioni affidabili di dati di guida autonoma che guidano l'innovazione e il progresso nel campo dei veicoli autonomi.
Il nostro progetto Global Street View Collection mira a soddisfare questa esigenza offrendo una soluzione all'avanguardia per catturare, elaborare e distribuire immagini stradali di alta qualità in ogni angolo del mondo.
Utilizzando telecamere ad alta risoluzione e tecniche di acquisizione innovative, garantiamo che ogni dettaglio sia documentato in modo vivido.
Coprendo aree urbane, suburbane e rurali in tutti e cinque i continenti per fornire un set di dati ampio e inclusivo.
Garantire la compatibilità con i principali servizi di mappatura, sistemi di informazione geografica (GIS) e piattaforme di realtà virtuale.
Offre un'interfaccia intuitiva e di facile utilizzo per un facile accesso e una facile navigazione dei dati di Street View.
L'annotazione 2D include riquadro di delimitazione, poligono, segmentazione semantica e tracciamento del target.
L'annotazione 3D svolge un ruolo importante nel migliorare l'accuratezza del rilevamento del bersaglio e della direzione. Nel frattempo, l'algoritmo di rilevamento del bersaglio può prevedere la posizione e l'assetto dei veicoli nello spazio 3D reale.
La piattaforma di annotazione di cloud di punti 3D è sviluppata e di proprietà di SurfingTech. Ha due versioni: Discrete-image Annotation e Video-sequence Annotation.
L'immagine discreta si riferisce a dati di point cloud a singolo fotogramma senza connessioni sequenziali temporali. Ogni immagine a fotogramma deve essere annotata separatamente come mostrato di seguito. Molto spesso, il numero di punti in un'immagine a singolo fotogramma è insufficiente, quindi è necessario proiettare il colore dell'immagine 2D sul punto corrispondente nei dati del point cloud 3D. Allo stesso tempo, gli annotatori devono fare riferimento all'immagine 2D per completare l'annotazione.
Per l'annotazione di sequenze video (basata sulla scena), ricostruiamo la scena 3D utilizzando prima la continuità tra i fotogrammi e poi la annotiamo nella scena 3D. L'annotazione viene proiettata su ogni fotogramma delle immagini 2D e sui dati del point cloud per formare il risultato dell'annotazione.
– Calcolare il parametro di trasformazione in modo che i punti in un sensore possano essere trasformati nel sistema di coordinate di un altro sensore. – Calcolare la corrispondenza tra i punti nei dati del cloud di punti 3D e i punti nei dati dell'immagine 2D, il che è più utile per migliorare l'accuratezza della comprensione della scena.
Rilevamento dell'area di posizione della piastra di calibrazione nei dati di portata.
Introdurre ulteriori informazioni per ottimizzare i risultati della Registrazione Globale.
Il valore finale del parametro trasformato viene calcolato utilizzando un metodo di soppressione non massima.
Calcola più velocemente un set di possibili parametri di trasformazione.
Forniamo una soluzione di retrofit a controllo di linea per i modelli Lincoln MKZ Hybrid e Geely Borui GE. Può fornire capacità di controllo verticale (acceleratore, freno) e laterale (sistema di sterzo), nonché controllo di marce e indicatori di direzione. Allo stesso tempo, può fornire il feedback di informazioni sullo stato della carrozzeria necessario, come velocità del veicolo, velocità delle ruote, angolo del volante, apertura dell'acceleratore, GPS, stato dell'interruttore a due coperchi a quattro porte. Il ciclo di modifica richiede un giorno e la modifica a controllo di filo dell'azienda è una modifica non distruttiva che non modifica l'attuatore del veicolo originale.