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(biāo)注傳感設(shè)備的日益成熟，自動駕駛技術(shù)正逐步從實(shí)驗(yàn)室轉(zhuǎn)向商業(yè)化應(yīng)用。電車時(shí)代的來臨，加速了自動駕駛時(shí)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(diǎn)之一。

自動駕駛訓(xùn)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(xùn)練自動駕駛感知模型需要使用大量準(zhǔn)確真實(shí)的數(shù)據(jù)。據(jù)英特爾計(jì)算，L3+級自動駕駛每輛汽車每天產(chǎn)生的數(shù)據(jù)高達(dá)4000GB，作為自動駕駛技術(shù)應(yīng)用落地的必要條件，數(shù)據(jù)采集、數(shù)據(jù)標(biāo)注服務(wù)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(biāo)注的視角，通過標(biāo)貝科技自研平臺標(biāo)貝數(shù)據(jù)標(biāo)注平臺，展示自動駕駛常見的幾種標(biāo)注場景。

一、2D圖像類場景標(biāo)注展示

1. 障礙物類標(biāo)注

圖像障礙物標(biāo)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(biāo)記來完成的。旨在識別和標(biāo)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(biāo)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(biāo)注

圖像紅綠燈標(biāo)注是指在圖像中識別和標(biāo)注紅綠燈的位置和狀態(tài)，可以用于訓(xùn)練紅綠燈檢測和識別算法，以使自動駕駛車輛能夠準(zhǔn)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(yīng)用中。

3.人臉標(biāo)注

人臉標(biāo)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(jìn)行標(biāo)注。關(guān)鍵點(diǎn)標(biāo)注通常在自動駕駛中用于車載系統(tǒng)監(jiān)控、統(tǒng)計(jì)乘客人員數(shù)據(jù)、司乘身份驗(yàn)證等。

4.車道線標(biāo)注

車道線標(biāo)注主要用于道路地標(biāo)線的標(biāo)注，其數(shù)據(jù)可用于訓(xùn)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(zhǔn)確識別和跟蹤車道線，實(shí)現(xiàn)車輛在道路上的穩(wěn)定行駛和導(dǎo)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(fù)雜不規(guī)則類目進(jìn)行標(biāo)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(biāo)注不同對象的對應(yīng)屬性，幫助車輛識別道路上的可行駛區(qū)域。

二、3D場景標(biāo)注展示

1. 障礙物識別：

點(diǎn)云障礙物識別是指利用激光雷達(dá)或深度攝像頭等傳感器獲取的對目標(biāo)進(jìn)行外輪廓的3D拉框點(diǎn)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(jī)器人導(dǎo)航、三維環(huán)境建模等領(lǐng)域。點(diǎn)云不受外界環(huán)境、光照等因素干擾，它能夠幫助系統(tǒng)實(shí)時(shí)感知環(huán)境并做出相應(yīng)的決策，從而實(shí)現(xiàn)安全、高效的自主行駛或?qū)Ш健?/p>

2.道路邊界檢測

點(diǎn)云道路邊界檢測是指從點(diǎn)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(hù)等領(lǐng)域中具有重要意義。點(diǎn)云道路邊界檢測的準(zhǔn)確性和魯棒性對于自動駕駛等領(lǐng)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(shí)現(xiàn)可靠的檢測結(jié)果。

3.物體識別及抓取

點(diǎn)云物體識別及抓取是指利用點(diǎn)云數(shù)據(jù)識別環(huán)境中的物體，并進(jìn)行抓取操作的過程。這在機(jī)器人操作、自動化倉儲、工業(yè)生產(chǎn)等領(lǐng)域具有重要應(yīng)用。點(diǎn)云物體識別及抓取涉及到多個(gè)領(lǐng)域的知識和技術(shù)，包括點(diǎn)云處理、機(jī)器學(xué)習(xí)、運(yùn)動控制、路徑規(guī)劃等。綜合利用這些技術(shù)和方法，可以實(shí)現(xiàn)高效、準(zhǔn)確的物體識別及抓取操作。

4.運(yùn)動物體連續(xù)幀標(biāo)注

點(diǎn)云運(yùn)動物體連續(xù)幀標(biāo)注的作用是提供對動態(tài)環(huán)境中運(yùn)動物體行為的詳細(xì)理解，從而支持各種應(yīng)用，包括智能交通、自動駕駛、機(jī)器人技術(shù)、虛擬現(xiàn)實(shí)等領(lǐng)域的發(fā)展和應(yīng)用。

5.點(diǎn)云物體分割

點(diǎn)云物體分割是指在點(diǎn)云數(shù)據(jù)中將不同的物體或區(qū)域進(jìn)行劃分和標(biāo)記，以便進(jìn)一步分析、理解或處理。這在計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)和三維感知領(lǐng)域中是一個(gè)重要的任務(wù)，特別是在自動駕駛、機(jī)器人導(dǎo)航、虛擬現(xiàn)實(shí)等應(yīng)用中。

6.融合

使用激光雷達(dá)傳感器與攝像機(jī)捕捉車輛周圍物體3D點(diǎn)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(jìn)行融合標(biāo)注，使自動駕駛汽車系統(tǒng)能夠更準(zhǔn)確的了解周圍環(huán)境。

7.語義分割

與圖像分割相似，點(diǎn)云分割也需對不同區(qū)域標(biāo)注對象屬性，用分割工具將點(diǎn)云進(jìn)行上色分割，將道路目標(biāo)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(zhǔn)標(biāo)注出來。

三、4D類數(shù)據(jù)標(biāo)注

4D點(diǎn)云標(biāo)注是在三維空間中標(biāo)注點(diǎn)云數(shù)據(jù)的同時(shí)考慮時(shí)間維度，通常用于動態(tài)場景下的目標(biāo)跟蹤和行為分析。在自動駕駛、機(jī)器人導(dǎo)航、視頻監(jiān)控等領(lǐng)域，對動態(tài)場景中的障礙物、行人、車輛等進(jìn)行標(biāo)注時(shí)，考慮時(shí)間維度可以提供更加準(zhǔn)確和完整的信息。

四、高效易用的標(biāo)貝數(shù)據(jù)標(biāo)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(biāo)貝數(shù)據(jù)標(biāo)注平臺就是集以上優(yōu)點(diǎn)于一身的數(shù)據(jù)智能服務(wù)平臺。作為標(biāo)貝科技科技旗下自研的數(shù)據(jù)服務(wù)平臺，標(biāo)貝數(shù)據(jù)標(biāo)注平臺在自動駕駛領(lǐng)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(lǐng)先性。

除涵蓋2D、3D、4D自動駕駛?cè)珗鼍暗臉?biāo)注工具外，標(biāo)貝數(shù)據(jù)標(biāo)注平臺也包含項(xiàng)目、供應(yīng)鏈、數(shù)據(jù)安全等管理類目。通過整合數(shù)據(jù)集管理、團(tuán)隊(duì)人員管理、工作流管理、數(shù)據(jù)統(tǒng)計(jì)分析等工作環(huán)節(jié)，打破數(shù)據(jù)孤島模式，實(shí)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(wù)執(zhí)行效率。

截至目前，標(biāo)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(jī)廠商等數(shù)十家自動駕駛相關(guān)賽道企業(yè)達(dá)成深度合作。而在未來，標(biāo)貝科技將繼續(xù)深耕自動駕駛賽道，扮演好自動駕駛基礎(chǔ)數(shù)據(jù)供應(yīng)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(yīng)用。