行业篇：自动驾驶场景下的数据标注类别分享

随着全自动驾驶时代迫近，数据标注或将成为汽车行业下一个突破点。

对自动驾驶来说，感知技术尤为重要，训练自动驾驶感知模型需要使用大量准确真实的数据。据英特尔计算，L3+级自动驾驶每辆汽车每天产生的数据高达4000GB，作为自动驾驶技术应用落地的必要条件，数据采集、数据标注服务已成为支撑自动驾驶热潮必不可少的一环。

本文将以数据标注视角，通过曼孚科技自研平台MindFlow SEED，展示自动驾驶常见的标注场景。

一. 2D场景标注展示

矩形框：在物体周围框选四边形，以完成图片中目标物体标注，用于车辆与行人的基础识别。

立体框：立体框是在2D图像上进行3D标注，主要用于判断行车过程中来往车辆的体积大小。这是获得3D空间中体积和对象位置的关键工具。

多边形：多边形是针对不规则物体的标注工具，较以上工具，多边形能更精准地框定目标，应用于对车辆类型的识别，例如面包车、卡车、大客车、小轿车等，训练自动驾驶，在道上选择性跟车或者变道操作。

多段线：多段线主要用于道路地标线的标注，帮助自动驾驶遵守车道规则行驶。

关键点：关键点常用于人脸识别，对图像中人脸的关键位置，如脸廓、眉毛、眼睛、嘴唇等标注，在自动驾驶中主要用于车载系统监控，统计乘客人员数据、司乘身份验证等。

语义分割：与多边形相似，语义分割可对图片中复杂不规则类目进行标注，这些分类可能是“行人，车辆，建筑物，天空，植被等等，此外，除了区域划分，语音分割还需标注不同对象的对应属性，帮助车辆识别道路上的可行驶区域。

二. 3D场景标注展示

纯点云：点云标注是对目标进行外轮廓的3D拉框，激光雷达采集的点云图像为自动驾驶汽车精确地"描绘"出了周边环境，点云不受外界环境、光照等因素干扰，可以更好的感知汽车周边道路环境，为感知系统提供决策依据。

融合：使用激光雷达传感器与摄像机捕捉车辆周围物体3D点云数据和2D视觉数据，将位置数据和视觉数据进行融合标注，使自动驾驶汽车系统能够更准确的了解周围环境。

语义分割：与图像分割相似，点云分割也需对不同区域标注对象属性，用分割工具将点云进行上色分割，将道路目标物体(多类型指定对象：包括但不限于车辆、建筑、树木、行人等等)精准标注出来。

三. 高效易用的数据标注平台

高质量数据离不开高效数据处理平台。谈到数据标注工具，网络上充斥着分享开源标注工具的评论，对于没有技术的小团体、小作坊，开源就是他们依赖的工具，但这种平台往往槽点居多。

开源平台不仅工具模式单一，缺乏管理，且存在数据泄露风险，并不算是数据处理的最佳辅助工具。对比来看，大中型数据标注公司拥有更专业的平台研发技术，不仅标注工具丰富、服务经验全面，为用户不同场景需求提供定制化数据解决方案，且数据安全防线严格，在服务期间为用户数据隐私保驾护航。

MindFlow SEED就是集以上优点于一身的数据智能服务平台。作为曼孚科技旗下自研的第三代数据服务平台，MindFlow SEED平台在自动驾驶领域建立了深厚的技术壁垒，在业内维持了较高的技术领先性。

除涵盖2D、3D自动驾驶全场景的标注工具外，MindFlow SEED平台也包含项目、供应链、数据安全等管理类目。通过整合数据集管理、团队人员管理、工作流管理、数据统计分析等工作环节，打破数据孤岛模式，实现对数据全生命周期的统一管理，有效节约管理成本并显著提升业务执行效率。

截至目前，曼孚科技已与众多世界顶级Tier1厂商、一线科技公司、主流算法公司、造车新势力、传统汽车主机厂商等数十家自动驾驶相关赛道企业达成深度合作。

而在未来，曼孚科技将继续深耕自动驾驶赛道，扮演好自动驾驶基础数据供应商的角色，为自动驾驶企业提供高质量数据支撑，推动自动驾驶在更多场景下落地应用。