國內(nèi)的自動駕駛行業(yè)正處于快速發(fā)展階段。伴隨隨著芯片算力的提升、算法的優(yōu)化以及數(shù)據(jù)采集標注傳感設備的日益成熟，自動駕駛技術(shù)正逐步從實驗室轉(zhuǎn)向商業(yè)化應用。電車時代的來臨，加速了自動駕駛時代的全面降臨，23年國內(nèi)汽車行業(yè)內(nèi)卷的開始，自動駕駛已然成為汽車賣點之一。

自動駕駛訓練模型的成熟和穩(wěn)定離不開感知技術(shù)的成熟和穩(wěn)定，訓練自動駕駛感知模型需要使用大量準確真實的數(shù)據(jù)。據(jù)英特爾計算，L3+級自動駕駛每輛汽車每天產(chǎn)生的數(shù)據(jù)高達4000GB，作為自動駕駛技術(shù)應用落地的必要條件，數(shù)據(jù)采集、數(shù)據(jù)標注服務已成為支撐自動駕駛熱潮必不可少的一環(huán)。本文將以數(shù)據(jù)標注的視角，通過標貝科技自研平臺標貝數(shù)據(jù)標注平臺，展示自動駕駛常見的幾種標注場景。

一、2D圖像類場景標注展示

1. 障礙物類標注

圖像障礙物標注通常是通過在圖像上繪制邊界框、多邊形或像素級別的標記來完成的。旨在識別和標注圖像中的障礙物。包括但不限于以下類型（行人、車輛、交通標志和信號、道路和車道線、建筑和結(jié)構(gòu)、自然障礙物、路面條件、其他障礙物）

2.紅綠燈標注

圖像紅綠燈標注是指在圖像中識別和標注紅綠燈的位置和狀態(tài)，可以用于訓練紅綠燈檢測和識別算法，以使自動駕駛車輛能夠準確地檢測和理解交通信號，從而做出安全的駕駛決策。此外，這些數(shù)據(jù)還可以用于交通流量監(jiān)控、交通違章檢測等交通管理和安全應用中。

3.人臉標注

人臉標注指對抓取圖像中的人臉的關(guān)鍵位置，如臉廓、眉毛、眼睛、嘴唇等進行標注。關(guān)鍵點標注通常在自動駕駛中用于車載系統(tǒng)監(jiān)控、統(tǒng)計乘客人員數(shù)據(jù)、司乘身份驗證等。

4.車道線標注

車道線標注主要用于道路地標線的標注，其數(shù)據(jù)可用于訓練和評估車道線檢測、車道線跟蹤、車道保持等算法，以幫助自動駕駛系統(tǒng)準確識別和跟蹤車道線，實現(xiàn)車輛在道路上的穩(wěn)定行駛和導航。幫助自動駕駛遵守車道規(guī)則行駛。

5.圖像分割

圖像分割可對圖片中復雜不規(guī)則類目進行標注，這些分類可能是“行人，車輛，建筑物，天空，植被等等，此外，除了區(qū)域劃分，語音分割還需標注不同對象的對應屬性，幫助車輛識別道路上的可行駛區(qū)域。

二、3D場景標注展示

1. 障礙物識別：

點云障礙物識別是指利用激光雷達或深度攝像頭等傳感器獲取的對目標進行外輪廓的3D拉框點云數(shù)據(jù)，通過算法識別和分析其中的障礙物，用于自動駕駛、機器人導航、三維環(huán)境建模等領域。點云不受外界環(huán)境、光照等因素干擾，它能夠幫助系統(tǒng)實時感知環(huán)境并做出相應的決策，從而實現(xiàn)安全、高效的自主行駛或?qū)Ш健?/p>

2.道路邊界檢測

點云道路邊界檢測是指從點云數(shù)據(jù)中識別和提取道路邊界線的過程。這在自動駕駛、交通規(guī)劃、道路維護等領域中具有重要意義。點云道路邊界檢測的準確性和魯棒性對于自動駕駛等領域的安全性和性能至關(guān)重要，因此需要結(jié)合多種技術(shù)和方法來實現(xiàn)可靠的檢測結(jié)果。

3.物體識別及抓取

點云物體識別及抓取是指利用點云數(shù)據(jù)識別環(huán)境中的物體，并進行抓取操作的過程。這在機器人操作、自動化倉儲、工業(yè)生產(chǎn)等領域具有重要應用。點云物體識別及抓取涉及到多個領域的知識和技術(shù)，包括點云處理、機器學習、運動控制、路徑規(guī)劃等。綜合利用這些技術(shù)和方法，可以實現(xiàn)高效、準確的物體識別及抓取操作。

4.運動物體連續(xù)幀標注

點云運動物體連續(xù)幀標注的作用是提供對動態(tài)環(huán)境中運動物體行為的詳細理解，從而支持各種應用，包括智能交通、自動駕駛、機器人技術(shù)、虛擬現(xiàn)實等領域的發(fā)展和應用。

5.點云物體分割

點云物體分割是指在點云數(shù)據(jù)中將不同的物體或區(qū)域進行劃分和標記，以便進一步分析、理解或處理。這在計算機視覺、機器學習和三維感知領域中是一個重要的任務，特別是在自動駕駛、機器人導航、虛擬現(xiàn)實等應用中。

6.融合

使用激光雷達傳感器與攝像機捕捉車輛周圍物體3D點云數(shù)據(jù)和2D視覺數(shù)據(jù)，將位置數(shù)據(jù)和視覺數(shù)據(jù)進行融合標注，使自動駕駛汽車系統(tǒng)能夠更準確的了解周圍環(huán)境。

7.語義分割

與圖像分割相似，點云分割也需對不同區(qū)域標注對象屬性，用分割工具將點云進行上色分割，將道路目標物體(多類型指定對象：包括但不限于車輛、建筑、樹木、行人等等)精準標注出來。

三、4D類數(shù)據(jù)標注

4D點云標注是在三維空間中標注點云數(shù)據(jù)的同時考慮時間維度，通常用于動態(tài)場景下的目標跟蹤和行為分析。在自動駕駛、機器人導航、視頻監(jiān)控等領域，對動態(tài)場景中的障礙物、行人、車輛等進行標注時，考慮時間維度可以提供更加準確和完整的信息。

四、高效易用的標貝數(shù)據(jù)標注平臺

高質(zhì)量數(shù)據(jù)離不開高效數(shù)據(jù)處理平臺。標貝數(shù)據(jù)標注平臺就是集以上優(yōu)點于一身的數(shù)據(jù)智能服務平臺。作為標貝科技科技旗下自研的數(shù)據(jù)服務平臺，標貝數(shù)據(jù)標注平臺在自動駕駛領域建立了深厚的技術(shù)壁壘，在業(yè)內(nèi)維持了較高的技術(shù)領先性。

除涵蓋2D、3D、4D自動駕駛?cè)珗鼍暗臉俗⒐ぞ咄?，標貝?shù)據(jù)標注平臺也包含項目、供應鏈、數(shù)據(jù)安全等管理類目。通過整合數(shù)據(jù)集管理、團隊人員管理、工作流管理、數(shù)據(jù)統(tǒng)計分析等工作環(huán)節(jié)，打破數(shù)據(jù)孤島模式，實現(xiàn)對數(shù)據(jù)全生命周期的統(tǒng)一管理，有效節(jié)約管理成本并顯著提升業(yè)務執(zhí)行效率。

截至目前，標貝科技已與眾多世界頂級廠商、一線科技公司、主流算法公司、造車新勢力、傳統(tǒng)汽車主機廠商等數(shù)十家自動駕駛相關(guān)賽道企業(yè)達成深度合作。而在未來，標貝科技將繼續(xù)深耕自動駕駛賽道，扮演好自動駕駛基礎數(shù)據(jù)供應商的角色，為自動駕駛企業(yè)提供高質(zhì)量數(shù)據(jù)支撐，推動自動駕駛在更多場景下落地應用。