---
title: "Разметка LiDAR для улучшения пространственной ориентации"
description: "Мы выполнили разметку облаков LiDAR для улучшения пространственной ориентации нейронной сети с 99% точностью. Это помогло клиенту увеличить производительность модели в три раза."
url: "https://data-light.ru/cases/razmetka-lidar-dlya-uluchsheniya-prostranstvennoj-orientaczii/"
date_modified: "2025-01-25T14:30:45+03:00"
language: "ru-RU"
---
Мы выполнили разметку облаков LiDAR для улучшения пространственной ориентации нейронной сети с 99% точностью. Это помогло клиенту увеличить производительность модели в три раза.

## Шаблон Кейсов

### Секция описаний

**перечень основных тезисов (положений):**

- **Положение - тезис:** Индустрия: — **Описание тезиса - (его параметр, числовое значение):** Робототехника — **Выберите картинку слева от описания:** industries
- **Положение - тезис:** Данные: — **Описание тезиса - (его параметр, числовое значение):** 3 000 облаков LiDAR — **Выберите картинку слева от описания:** weight
- **Положение - тезис:** Продолжительность проекта: — **Описание тезиса - (его параметр, числовое значение):** 19 дней — **Выберите картинку слева от описания:** time

### задача-решение-результат

**Задача-результат:**

**Заглавие:** Задача: **Описание задачи:** Наш клиент, занимающийся разработкой робототехники, нуждался в высокоточном размеченном наборе данных облаков LiDAR, снятых на улицах города. Эти данные должны были помочь в улучшении пространственной ориентации нейронной сети, которая использовалась для определения расстояния до объектов и их точной классификации. **решение:** Решение: **Описание решения:**

Для выполнения задачи мы использовали различные инструменты разметки, в том числе Supervisely. Особое внимание уделялось сложным участкам данных, где требовалась предельная точность. Разметка была выполнена в несколько этапов, в рамках которых были проведены обсуждения внутри команды для коллективного принятия решений и повышения точности выбора объектов.

Мы разработали оптимизированный процесс, который позволил значительно сократить время на разметку без потери качества. Каждое облако LiDAR проходило через несколько этапов проверки, включая автоматические алгоритмы и ручную верификацию, что позволило достичь точности разметки до 99%. **Галерея изображений:**

![LiDAR](https://data-light.ru/wp-content/uploads/2024/09/lidar.png)
![LiDAR](https://data-light.ru/wp-content/uploads/2024/09/lidar2.png) **Результаты:** Результаты: **Результаты - тезисно:**

- **Тезис- подпункт решения:** Точность разметки — **Описание тезиса подпункта решения:** Достигнута точность набора данных до 99%, что значительно повысило эффективность обучения модели.
- **Тезис- подпункт решения:** Увеличение производительности — **Описание тезиса подпункта решения:** Использование более компактного и точного набора данных привело к трехкратному увеличению производительности модели. **Отзыв заказчика-заголовок:** Владислав, Data Scientist. **Отзыв заказчика:** «Команда проделала потрясающую работу за короткий срок. Мы получили данные высочайшего качества, что значительно улучшило производительность нашей нейронной сети».

[Full list of this site's AI-readable pages](https://data-light.ru/llms.txt)