AI數(shù)據(jù)服務(wù)作為人工智能和機(jī)器學(xué)習(xí)的基礎(chǔ)，在自動(dòng)駕駛領(lǐng)域中有著重要地位。與其他人工智能應(yīng)用場景相比，自動(dòng)駕駛的落地場景相對復(fù)雜，想要讓汽車本身的算法做到處理更多、更復(fù)雜的場景，就需要運(yùn)用大量場景化高質(zhì)量AI數(shù)據(jù)做支撐。AI數(shù)據(jù)服務(wù)應(yīng)用在自動(dòng)駕駛領(lǐng)域的技術(shù)主要是數(shù)據(jù)采集和數(shù)據(jù)標(biāo)注兩種。

數(shù)據(jù)采集在自動(dòng)駕駛領(lǐng)域的應(yīng)用

應(yīng)用在自動(dòng)駕駛領(lǐng)域的數(shù)據(jù)采集是指通過各種傳感器和設(shè)備，對自動(dòng)駕駛車輛的行駛過程進(jìn)行數(shù)據(jù)記錄和采集的過程。這些數(shù)據(jù)可以包括車輛位置、速度、加速度、方向盤轉(zhuǎn)角、剎車和加速踏板輸入、傳感器讀數(shù)（如攝像頭、雷達(dá)、激光雷達(dá)等）、車輛狀態(tài)信息等。

自動(dòng)駕駛數(shù)據(jù)采集的目的是為了對車輛的行駛過程進(jìn)行分析和評估，以提高自動(dòng)駕駛系統(tǒng)的性能和安全性。通過采集大量的實(shí)際行駛數(shù)據(jù)，可以對各種駕駛場景和情況進(jìn)行模擬和測試，以驗(yàn)證自動(dòng)駕駛系統(tǒng)的可靠性和適應(yīng)性。

數(shù)據(jù)采集是自動(dòng)駕駛技術(shù)發(fā)展中非常重要的一環(huán)，通過采集和分析大量的實(shí)際行駛數(shù)據(jù)，可以不斷改進(jìn)和優(yōu)化自動(dòng)駕駛系統(tǒng)，提高其性能和安全性。

數(shù)據(jù)標(biāo)注在自動(dòng)駕駛領(lǐng)域的應(yīng)用

應(yīng)用于自動(dòng)駕駛領(lǐng)域的數(shù)據(jù)標(biāo)注主要包括4D-bev、3D點(diǎn)云標(biāo)注、2D3D融合標(biāo)注、2D圖片標(biāo)注四種主要的標(biāo)注方式，他們對別對應(yīng)自動(dòng)駕駛環(huán)境中不同的駕駛環(huán)境數(shù)據(jù)標(biāo)注分析，對圖像、視頻、激光雷達(dá)等多種數(shù)據(jù)源進(jìn)行詳細(xì)且精確的標(biāo)識(shí)，以便訓(xùn)練自動(dòng)駕駛系統(tǒng)。

1、4D-bev標(biāo)注

4D-BEV標(biāo)注是指在3D空間中以時(shí)間作為第四個(gè)維度進(jìn)行標(biāo)注的過程。通過精準(zhǔn)地跟蹤和記錄動(dòng)態(tài)對象的運(yùn)動(dòng)軌跡、姿勢變化以及速度等信息，全面理解和分析動(dòng)態(tài)對象在連續(xù)的時(shí)間序列中的變化，提升自動(dòng)駕駛系統(tǒng)的感知、決策和控制能力。

當(dāng)下 4D BEV 感知的挑戰(zhàn)主要有兩個(gè)：其一是如何快速低成本的構(gòu)建大量高質(zhì)量的4D-BEV真值數(shù)據(jù)，用于感知的訓(xùn)練和評價(jià)；其二是如何有效利用云端來做大規(guī)模的BEV算法的訓(xùn)練、加速、部署、評價(jià)等。為了解決這些行業(yè)痛點(diǎn)，標(biāo)貝科技在大模型能力支持下給出了4D-BEV標(biāo)注方案。

標(biāo)貝科技4D標(biāo)注工具針對3D空間+時(shí)序維度進(jìn)行標(biāo)注，采用了多種傳感器融合的方式，可以支持激光雷達(dá)、攝像頭、毫米波雷達(dá)、機(jī)位圖等多種數(shù)據(jù)類型，并通過算法將這些數(shù)據(jù)進(jìn)行對齊和融合，以提供更準(zhǔn)確、更統(tǒng)一的視圖。同時(shí)借助自動(dòng)化技術(shù)和云端大數(shù)據(jù)來提升標(biāo)注的效率和準(zhǔn)確度。

2、3D點(diǎn)云標(biāo)注

3D點(diǎn)云標(biāo)注是目前市面上做的比較多的一種標(biāo)注類型，它能讓人工智能自動(dòng)駕駛領(lǐng)域中，準(zhǔn)確的環(huán)境感知和精確的定位，是自動(dòng)駕駛汽車在復(fù)雜動(dòng)態(tài)環(huán)境中能夠進(jìn)行可靠導(dǎo)航，信息決策以及安全駕駛的關(guān)鍵，所以3D點(diǎn)云標(biāo)注對于自動(dòng)駕駛智能化和穩(wěn)定性的提升有著舉足輕重的作用。

3D點(diǎn)云標(biāo)注主要是通過對三維場景掃描及采集2D圖片，生產(chǎn)的一種具有維度的點(diǎn)云數(shù)據(jù)集，包含了三維場景的基本特征，標(biāo)注員需要通過2D圖片的組合，判斷標(biāo)注物在點(diǎn)云集上的位置，進(jìn)而通過工具進(jìn)行標(biāo)注，加上屬性判斷，生產(chǎn)出計(jì)算機(jī)可以識(shí)別讀取的三維信息，讓人工智能通過大量學(xué)習(xí)，掌握對于運(yùn)動(dòng)軌跡、運(yùn)動(dòng)場景等情況的預(yù)判斷等等相關(guān)能力，從而能更好的提升智能化，嚴(yán)格意義上講，3D點(diǎn)云的標(biāo)注可以是說是幫助自動(dòng)駕駛系統(tǒng)進(jìn)行正確感知的重要傳感器

3、2D、3D融合標(biāo)注

2D、3D融合標(biāo)注是指同時(shí)對2D和3D傳感器中所采集到的圖像數(shù)據(jù)進(jìn)行標(biāo)注，并建立起聯(lián)系。在自動(dòng)駕駛領(lǐng)域，自動(dòng)駕駛汽車需要使用傳感器來識(shí)別車輛周圍的物理環(huán)境，用來捕獲2D視覺數(shù)據(jù)，同時(shí)在車輛頂部安裝雷達(dá)，用以捕捉精確目標(biāo)定位的3D位置數(shù)據(jù)。

激光雷達(dá)生成的點(diǎn)云數(shù)據(jù)可用于測量物體的形狀和輪廓，估算周圍物體的位置和速度，但點(diǎn)云數(shù)據(jù)缺少了RGB圖像數(shù)據(jù)中對物體紋理和顏色等信息的提取，無法精確地將對象分類為汽車、行人、障礙物、信號(hào)燈等。

所以標(biāo)貝科技將包括豐富的語義信息的2D視覺圖像和可以提供精確的目標(biāo)定位的3D點(diǎn)云數(shù)據(jù)進(jìn)行融合，使標(biāo)注員能利用視覺信息和深度信息創(chuàng)建出更加精準(zhǔn)的標(biāo)注，讓自動(dòng)駕駛系統(tǒng)能夠精確地了解周圍環(huán)境，準(zhǔn)確做出判斷，讓自動(dòng)駕駛功能得以廣泛應(yīng)用。

4、2D圖像標(biāo)注

2d無人駕駛語義分割的結(jié)果是將圖像變成帶有一定語義信息的色塊。語義分割技術(shù)可以識(shí)別出每個(gè)色塊的語義關(guān)別，并給每個(gè)像素都標(biāo)注上其對應(yīng)的標(biāo)簽，從而實(shí)現(xiàn)從底層到高層的語義推理過程，最終得到一張具有各個(gè)像素語義標(biāo)注信息的分割圖。

這些經(jīng)過標(biāo)注后的語義分割圖像，可以用于自動(dòng)駕駛核心算法訓(xùn)練。自動(dòng)駕駛汽車在行駛的過程中，車載攝像頭，或者激光雷達(dá)探查到圖像后輸入到神經(jīng)網(wǎng)絡(luò)中，后臺(tái)經(jīng)過訓(xùn)練的算法模型就可以自動(dòng)將圖像分割歸類，以實(shí)現(xiàn)避讓行人與車輛等障礙。

標(biāo)貝科技針對自動(dòng)駕駛的不同落地需求，提供定制化采集標(biāo)注、數(shù)據(jù)標(biāo)注平臺(tái)等服務(wù)，對視頻、圖像、文本、點(diǎn)云等數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理，一站式解決自動(dòng)駕駛從研發(fā)初期到落地的訓(xùn)練數(shù)據(jù)需求，在為智能駕駛相關(guān)企業(yè)和高?？蒲袡C(jī)構(gòu)提供大規(guī)模感知數(shù)據(jù)的能力的同時(shí)，可大幅度提升數(shù)據(jù)標(biāo)注效率，降低AI模型訓(xùn)練成本，極大地加速智能駕駛相關(guān)應(yīng)用的落地迭代周期，節(jié)省研發(fā)時(shí)間標(biāo)貝科技和成本。