这里介绍两种

1. 基于SAM的点云标注

Seal：是一个多功能的自监督学习框架，能够通过利用视觉基础模型的现成知识和2D-3D的时空约束分割自动驾驶数据集点云

• Scalability：可拓展性强，视觉基础模型蒸馏到点云中，避免2D和3D的标注
• Consistency：时空关系的约束在camera-to-lidar和点到分割这两个阶段得到应用，加速了多模态的表征学习

点云通过坐标变换投影到图像上，只要我们分割图像像素的类别，就得到点云的类别（见下图）

3D框生成步骤（见下图）：

• SAM分割图像中每个点的类别（点为prompt，prompt的形式由三种：点、框、）
• 坐标系对齐：不同时间戳的对齐，组成（camera，lidar）pair
• 点云投影到SAM分割后的图像得到点云分割的结果
• 多帧时序结果对点云分割做进一步优化
• 对每个类别的点云分割结果做最小外接矩形框得到3D框，结合每个类别的长宽高先验，再进一步优化
  • 比如小轿车：4.61.81.4；中型轿车&皮卡：4.91.91.8; 行人：0.60.71.7
    
• 点云对齐到图像：
  

2. 基于离线点云3D检测模型的自动标注

2.1. CTRL（图森）—— 检测+跟踪

图森提出一种基于轨迹的离线的激光雷达检测模型（一旦检测，永不丢失）—— CTRL（https://github.com/tusen-ai/SST）

• 动机：经验丰富的标注人员会以轨迹为中心的视角来标注物体，首先标注轨迹中形状清晰的物体，然后利用时间上的连续性来推断模糊物体（遮挡或点云少）的标注
• 方法概述：
  • 采用轨迹为中心的视角，而不是传统的物体为中心的视角
  • 采用双向跟踪模块和轨迹为中心的学习模块

算法流程：

• 检测模型（FSDv2，FSD V2: Improving Fully Sparse 3D Object
  Detection with Virtual Voxels）得到初步检测结果
• 双向跟踪模块：
  • 在跟踪过程中，采用简单的运动模块来填补模型检测的难例，并双向拓展轨迹，大大延长了轨迹的生命周期
• Refine
  • 原因：简单运动模型无法检测物体准确位姿
  • 解决：提出track-centric learning模块来进一步refine
  • 具体步骤：把所有点云和proposal当作输入，送入refine模块
    
    检测-跟踪-refine详细步骤：
• 检测：
  • 采用frame-skigping的多帧合并检测，隔一帧，添加一帧，来减少计算量
    • 添加一帧？？什么意思
  • 为了防止过拟合，采用frame dropout 策略，有一半的frame会有20%的几率被dropout
  • 检测模块存在问题：误检和漏检，提高检测的过滤阈值，会导致漏检，需要引入跟踪模块
    • 思考：它通过把误检的先去掉，来单独解决漏检的问题
• 双向跟踪：
  • Forward tracking：填充早期有检出，中间漏检的框
    • 当tracklet在一定时间步长，没有相匹配的观测，跟踪的前向运动模块会预测一个pseudo-3D box；所以tracklet不会消亡，直到序列结束或目标超出预设的范围。遮挡和截断等难例也能在长时间的跟踪中被检出
  • Back tracking：填充在首次检测之前的漏检框
    • 动机：物体的出现和消失是连续
    • 方法：采用反向的运动模型，从未来有检测帧去反推历史帧的漏检框
• Refine模块-tracking-centric learning
  • 原因：跟踪模块存在问题：跟踪模块增加的框的位置和置信度相对不准，导致false positive增加，需要refine
  • Multiple-in-multiple-out：
    • 根据扩大后track proposal把整个序列的点云crop下来，downsample到1024个点（防止显存不足），并转到第一帧的全局坐标上，且把同一个track内的点云concat在一起，作为一个训练sample
    • Track feature extraction
      • 采用sparse unet为backbone提取track feature（point-wise feature）
    • Object feature extraction
      • 扩大后Proposal去crop track feature，确保crop物体的完整性
      • Point net去提取特征，对于不同timestamp的crop roi会添加一个编号，表示从哪个timestamp crop下来的

2.2. DetZero