Sama Annotate

3D Point Cloud Annotation

Sama bietet unvergleichliche Tools und Fachkenntnisse, um kompromisslos hochwertige Ground-Truth-Annotationen für Ihre LiDAR-, Radar- und andere 3D-Daten zu liefern.

Führende Unternehmen auf der ganzen Welt vertrauen darauf

3D Point Cloud Tools

Unsere fortschrittlichen 3D-LiDAR- und Radar-Annotationstools und Arbeitsbereichserweiterungen ermöglichen eine schnelle Beschriftung Ihrer beweglichen Objekte über mehrere Frames hinweg und beschleunigen die Markteinführung Ihres Modells.

Versorgen Sie Ihre Wahrnehmungsmodelle mit der 3D-Position und den Attributen eines Objekts. Annotieren Sie Objekte wie Fahrzeuge, gefährdete Verkehrsteilnehmer, Verkehrsschilder, Ampeln, etc.

  • Quader mit einem Mausklick

  • Nutzen Sie die Interpolation zwischen Schlüsselbildern für eine effizientere Annotation

  • Verwenden Sie statische und dynamische Labels, um Objekteigenschaften für Ihren Erkennungs- und Vorhersagemodus zu erfassen

Füttern Sie Ihre befahrbaren Flächenmodelle mit Ground-Truth-Annotationen von Bordsteinen, Straßenbelägen und Fahrbahnmarkierungen.

  • Benutzerdefinierte Intensitätsregler zur Erleichterung der Objektidentifikation an Punkten mit geringer Intensität

  • ML-Bodenerkennung für die Zuordnung von „Z“-Werten

Füttern Sie Ihre Modelle für befahrbare Bereiche mit Ground-Truth-Annotationen von Verkehrsinseln, überfahrbaren Objekten oder anderen Objekten auf dem Boden.

  • Benutzerdefinierte Intensitätsschieber zur Erleichterung der Objektidentifikation bei Punkten mit geringer Intensität

  • ML-Bodenerkennung für die Zuweisung von „Z“-Werten

Annotieren Sie Objekte in 3D-Point-Cloud und 2D-RGB-Bildern mit fusionierter Objekt-ID, um alle wertvollen Informationen von mehreren Sensoren zu erhalten.

  • Sensorfusion zwischen mehreren Sensortypen, Synchronisierung aller Bildsequenzen

  • Projektion von 3D-Objekten aus der Point-Cloud in 2D-RGB-Bilder

3D-Point-Cloud-Funktionen

Unterstützt Pre-Annotationen, einschließlich manueller oder modellgenerierter Labels, um die Geschwindigkeit der Annotation zu erhöhen oder die Modellleistung zu validieren.

Unterstützt mehrere Sensoren mit einer fusionierten Sensorarchitektur, die alle Assets synchronisiert, um die Daten für die Annotation zu verbessern.

Projektion von 3D-Objekten innerhalb der Point-Cloud in 2D-RGB-Bilder.

Konvertierung der Weltkoordinaten. Durch die Angabe der Sensorposition konvertiert unsere Plattform Ihre Point-Clouds von lokalen Koordinaten in Weltkoordinaten.

Erweiterung eines klassischen morphologischen Ansatzes mit semi-supervised learning für unsere automatische Bodenerkennung.

Farbkartenvisualisierung für Intensitätswerte und benutzerdefinierte Bereiche zur Fokussierung der Farbkarte auf Objekte mit geringerer Intensität.

95+%

Garantierte Datengenauigkeit – im Vergleich zu 88,5 % bei führenden Wettbewerbern.

160M

Verfolgte Ereignisse pro Monat, um unser Produkt und unsere Prozesse mit A/B-Tests zu verbessern.

60T

Menschenleben wurden bisher dank unseres zweckorientierten Geschäftsmodells beeinflusst.

Warum Sama wählen?

Die Experten für 3D-Point-Cloud-Annotation von Sama nutzen unsere ML-gestützte Plattform, um Labels mit unübertroffener Genauigkeit und Geschwindigkeit zu liefern.

Effiziente Annotationsplattform

ML Assisted Annotation powered by MICROMODEL™ Technologie hilft Etikettierern, 2-4x effizienter zu annotieren und dabei vorhersehbar 94-98% IOU zu produzieren.

Vollständiges Spektrum der Beschriftung

Benutzerdefinierte Klassen, mehrere Attribute pro Instanz und hierarchische Beziehungen sind verfügbar, um Ihre Anforderungen zu erfüllen.

Mehrstufige Qualitätskontrolle

AutoQA, Gold Tasks und erweiterte Skripte erkennen Fehler frühzeitig in der Pipeline. Unser erfahrenes QA-Team konzentriert sich auf die Lösung von Randfällen, die den Weg zur Produktion verlangsamen können.

Analysen und Berichte

Erhalten Sie tiefe Einblicke in Ihre Trainingsdaten, einschließlich Warnmeldungen bei Grenzfällen und Analysen der Klassen in Ihrem Datensatz, um Ihre KI-Modelle schneller in Produktion zu bringen.

Relevante Ressourcen

Building a Robust Automotive LiDAR Annotation Quality Rubric

10 Min Read

Autonomous Vehicles‘ Impact on Cities with Lyft’s Sarah Barnes

The Traffic Light Problem for Autonomous Vehicles

Qualitativ hochwertige Trainingsdaten vom Start bis zur Skalierung.