场景应用中的自动驾驶使用的数据标注九大类

工信部副部刘烈宏：累计建成5G基站超过71.8万个，约占全球的70%，独立组网模式的5G网络已覆盖全国所有地市，5G终端连接数超过两个亿，户均移动互联网接入流量较4G用户高出50%。而自动驾驶作为5G最重要的场景应用，成为百度、华为等众多大企业重点发力的领域之一。

专家表示，自动驾驶需解决四个方面的问题:看得见(定位、避障)、听得着(决策、控制、执行)、讲得出(路径规划、行车方式)、有大脑(边缘计算)。

而汽车在自动驾驶的过程中，需要让汽车本身的算法去做处理更多，更复杂的场景，需要让汽车通过感知、规划、决策、控制方面的努力，让机器具备“智力”，这个过程我们称之为人工智能。事实上，智能产生的背后需要海量的真实道路数据做支撑。

这就需要数据标注，它存在的意义之一便是让机器理解、认识世界。今天小鸽要讲的就是自动驾驶领域常见的九类数据标注

应用于对车辆与行人的基础识别，即标注出骑行的人，步行的人，汽车

对车辆进行区域标注及分类标注，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。

将2D图片中的车辆进行3D标注，主要应用于训练自动驾驶对会车或超车车辆的体积判断

标注出车道线:一种对道路地面标线进行的综合标注，包括区域标注、分类标注及语义标注，应用于训练自动驾驶，根据车道规则进行行驶。

对图片中的不同区域进行分割标注：这些类型可能是“行人，车辆，建筑物，天空，植被等等。例如，语义分割可以帮助SDCs(自动驾驶车辆)识别一个图片中的可行驶区域。

跟踪标注视频中行驶的车辆，是将视觉数据按照图片帧抓取进行标框标注，标注后的图片帧按照顺序重新组合成视频数据训练自动驾驶。

一种对标注物前进方向的预判性标注，需进行标框标注及方向预判标注，应用于训练自动驾驶判断行人或车辆前进方向，规避行人及车辆。

根据镜头反求原理，将视频场景模拟成3D图像，通过3D图像标注物的位置及大小。3D雷达标注主要应用于自动驾驶虚拟现实VR训练场景之搭建。

一种对道路悬挂指示牌/信号灯进行的综合标注，标注包括区域标注、分类标注、语义标注，应用于训练自动驾驶根据交通规则进行行驶。

自动驾驶系统主要由感知、定位、预测、决策和控制五部分构成，每一部分都不可或缺。每个环节的背后需要海量的真实道路数据做支撑，以完成各种场景包括换道超车、通过路口、无红绿灯控制的无保护左转、右转，以及一些复杂的长尾场景诸如闯红灯车辆、横穿马路的行人、路边违章停靠的车辆等等。

以国内为例：

2月27日，42辆自动驾驶出租车在武汉经开区“中国车谷”成功“上路”;

3月4日，武汉地铁5号线“首义红”列车首次实现全自动驾驶;

同一天，合肥经开区海恒社区女职工参加了“别开生面”的自动驾驶体验……

你想象不到的，需要人工进行近亿张图片以及数十万张标注图片，才能保障无人驾驶车辆正常可用。

自动驾驶从科幻世界走来，向生活走去。随着以自动驾驶为代表的人工智能项目纷纷落地，越来越多的企业意识到，高质量的数据集是影响人工智能项目落地的关注，而数据标注是作为人工智能发展的基石，也将撑起人工智能行业新的未来。