在自動駕駛環(huán)境感知系統(tǒng)中，如何獲取高精度實時路況數(shù)據(jù)，是決定自動駕駛系統(tǒng)行車安全的關(guān)鍵。

目前主流的兩種感知技術(shù)路徑“純視覺”與“高精地圖+激光雷達”中，由于激光雷達采集的3D點云路況數(shù)據(jù)更為密集、準確且具備三維地理信息，因此以3D點云數(shù)據(jù)為基礎(chǔ)的感知算法即成為部分自動駕駛企業(yè)的核心技術(shù)路徑，并誕生了規(guī)模龐大的3D點云數(shù)據(jù)標注需求。

何為3D點云語義分割

對3D點云數(shù)據(jù)的標注處理，依據(jù)處理方式和使用標注工具的不同，大致可以分為三類：

▌純點云

純點云使用的標注工具以3D立體框為主，待標注對象以3D立體框形式標出，并附上相對應(yīng)的屬性信息標簽，具體形式如下：

圖片來源：曼孚科技SEED數(shù)據(jù)服務(wù)平臺

▌融合標注

融合標注使用的3D標注工具仍以3D立體框為主，但在3D點云數(shù)據(jù)以外，還需要使用2D標注工具在點云數(shù)據(jù)相對應(yīng)的2D圖像中進行標注，3D點云數(shù)據(jù)中的標注對象與2D圖像中的標注對象一一對應(yīng)，具體形式如下：

圖片來源：曼孚科技SEED數(shù)據(jù)服務(wù)平臺

▌3D點云語義分割

與2D圖像語義分割標注邏輯類似，3D點云語義分割也是對不同的待標注對象進行上色分割、賦予語義標簽，不同的是3D點云語義分割需要在3維立體點云中對每個像素點指定一個類別標簽，比如車輛、行人、道路、建筑物等，具體形式如下：

圖片來源：曼孚科技SEED數(shù)據(jù)服務(wù)平臺

相較于前兩種標注方式，在需要更為精細的空間信息時（比如自動泊車），立體框標注場景中如鉸接式公交車等形狀可變的物體，3D點云語義分割標注對路況數(shù)據(jù)的反饋更為精準，因此3D點云語義分割標注在自動駕駛感知算法中所占的比重也愈發(fā)高漲。

常見標注規(guī)則與標注對象

不同算法、不同應(yīng)用場景對點云語義分割的標注需求與規(guī)則也不盡相同，常見的相對簡單的自動駕駛3D點云語義分割標注對象包括：

1、行人：通常指未騎乘交通工具的人，包含騎滑板車、平衡車的人。

2、騎車人：通常包括騎摩托車、自行車、三輪車、電動車等的人。

3、車輛：車輛是3D點云語義分割標注場景下最為常見，且子分類較多的對象。子對象的劃分有依據(jù)車輛具體車型，比如轎車、卡車、公交車、救護車等，也有依據(jù)類別，比如客車、貨車、工程車等。

以類別為例，具體如下：

1）微型車：如代步車、各類三輪車等；

2）小型汽車：如轎車、SUV等；

3）客車：如大、中型巴士、雙層巴士等載人車輛；

4）貨車：如廂式貨車等載貨車輛；

5）工程車：灑水車、消防車、垃圾車等；

6）其他車輛。

4、路面相關(guān)：與路面相關(guān)的各種對象，可具體細分為馬路可行駛區(qū)域、人行道、車道線等。

5、建筑物：如樓房、隧道橋面、橋墩、高架橋等。

6、植物：如草地、樹木等。

7、路面物體：路面物體也是一個子對象較多的種類，常見的包括：

1）護欄：如交通隔離欄、交通護欄等；

2）柵欄：臨時性的如交通水馬等；

3）交通標志：如紅綠燈、標識牌、桿等；

4）障礙物：如交通錐桶、警示牌、防撞桶、石墩等；

5）其他物體。

8、噪聲點云：如水霧、煙霧、汽車尾氣、雨水等各類噪聲點云。

以上是3D點云語義分割常見的各類標注對象，但不同場景，具體的對象劃分規(guī)則以及待標注對象種類都存在巨大差異，并沒有統(tǒng)一的標準。

而在更為具體的標注規(guī)則上，差異同樣十分巨大。

常見的標注規(guī)則如物體起標范圍，通常會規(guī)定點云數(shù)量超過X以上，該物體即需要標注，此外還會規(guī)定模糊無法判定物體的具體標注規(guī)則等等，不一而足。

具象化的標注實例如下：

標注前（圖片來源：曼孚科技SEED數(shù)據(jù)服務(wù)平臺）

標注后（圖片來源：曼孚科技SEED數(shù)據(jù)服務(wù)平臺）

隨著自動駕駛商業(yè)量產(chǎn)進入新階段，開放路段場景復(fù)雜且多變，需要自動駕駛算法有更深的場景積累度與迭代能力，以滿足感知算法與行車安全的需求。

3D點云語義分割更精細的場景信息反饋，在幫助算法建立更貼合現(xiàn)實的場景模型，以及提升感知安全方面具備天然優(yōu)勢，在自動駕駛邁向大規(guī)模商業(yè)化應(yīng)用的今天，勢必將扮演更重要的角色。

審核編輯 ：李倩