As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Entenda o tipo de tarefa de segmentação semântica da nuvem de pontos 3D
A segmentação semântica envolve classificar pontos individuais de uma nuvem de pontos 3D em categorias pré-especificadas. Use esse tipo de tarefa quando quiser que os operadores criem uma máscara de segmentação semântica no nível de ponto para nuvens de pontos 3D. Por exemplo, se você especificar as classes car
, pedestrian
e bike
, os operadores vão selecionar uma classe de cada vez e colorir todos os pontos dessa classe com a mesma cor na nuvem de pontos.
Para esse tipo de tarefa, o objeto de dados que os operadores rotulam é uma sequência de quadros da nuvem de pontos. Ground Truth gera uma nuvem de pontos 3D usando os dados da nuvem de pontos que você fornece. Também é possível fornecer dados da câmera para dar aos operadores mais informações visuais sobre as cenas no quadro e para ajudar os operadores a pintar objetos. Quando um operador pinta um objeto na imagem 2D ou na nuvem de pontos 3D, a pintura aparece na outra visualização.
Você também pode ajustar ou verificar as anotações criadas em um trabalho de rotulagem de detecção de objetos de nuvem de pontos 3D usando o ajuste de segmentação semântica da nuvem de pontos 3D ou o tipo de tarefa de rotulagem. Para saber mais sobre trabalhos de ajuste e rotulagem de verificação e como criar um, consulte Verificação e ajuste do rótulo.
Se você for um novo usuário da modalidade de rotulagem de nuvem de pontos 3D do Ground Truth, recomendamos que revise Visão geral dos trabalhos de etiquetagem de nuvem de pontos 3D. Essa modalidade de rotulagem é diferente de outros tipos de tarefas do Ground Truth e este tópico fornece uma visão geral dos detalhes importantes dos quais você deve estar ciente ao criar um trabalho de rotulagem de nuvem de pontos 3D.
Os tópicos a seguir explicam como criar um trabalho de segmentação semântica de nuvem de pontos 3D, mostram a aparência da interface de tarefas do trabalhador (o que os trabalhadores veem quando trabalham nessa tarefa) e fornecem uma visão geral dos dados de saída que você obtém quando os trabalhadores concluem suas tarefas.