Nástroj pro anotování dat z lidaru do více tříd

Abstract

Cílem této práce je rozšíření existujícího nástroje pro anotaci LiDARových dat tak, aby podporoval klasifikaci více tříd objektů, a úprava integrované konvoluční neuronové sítě pro jejich automatickou detekci. Do nástroje bylo přidáno vylepšení funkce automatického vyplnění plochy podle změřených hodnot os LIDARu, zakreslení úseček a vyplnění ohraničené plochy. V práci byla neuronová síť otestována na reálných datech z lesního prostředí a z chodby na Karlově náměstí. Data byla ručně označena pomocí vyvíjeného nástroje a dosažené výsledky jsou shrnuty a prezentovány v závěru práce. Nově navržené řešení usnadňuje a zrychluje anotaci LiDARových dat v různých prostředích, což je zvláště přínosné pro nasazení na drony pracující v průmyslu, dopravě, zemědělství či ve stavebnictví.

The objective of this thesis is to extend an existing LiDAR annotation tool to support multi-class classification and to modify its integrated convolutional neural network for automatic detection. We enhanced the tools automatic region-filling feature by leveraging the LiDAR axes measurements and implemented a tool to accurately fill bounded areas and draw their outlines. The neural network was evaluated on real-world datasets collected in a forest environment and an indoor hallway at Charles Square. These datasets were manually annotated with our tool, and the results of the trained network are summarized in the thesis conclusion. The proposed solution streamlines and accelerates LiDAR data annotation across diverse settings, making it particularly advantageous for drone deployments in industry, transportation, agriculture, and construction.