自动驾驶数据标注是在标注哪些东西？
作者| 咖啡鱼
出品| 焉知汽车
目录
一、自动驾驶数据标注起什么作用
二、自动驾驶数据标注有哪些类型
三、自动驾驶数据标注的发展方向
四、总结
图自动驾驶的感知决策规划控制（含定位，用SLAM表示），图片来自网络
一、自动驾驶数据标注的作用
为模型训练提供基础
优质---提升模型的准确性和可靠性
高质量的标注数据就像是模型的“优质养分”，直接决定了模型训练的质量。准确的标注能够减少模型在学习过程中的误差，使其对各类交通场景的判断更加精准。以车道线标注为例，精确标注出车道线的位置和类型，可以帮助自动驾驶车辆精确地保持在自己的车道内行驶，避免偏离车道或与其他车辆发生碰撞。如果标注存在错误或不准确，模型在学习时就会被误导，导致在实际应用中出现误判，严重影响自动驾驶系统的安全性和可靠性。
全面---助力自动驾驶系统适应复杂场景
现实交通环境千变万化，从繁华都市的拥堵街道到偏远乡村的蜿蜒小路，从阳光明媚的白天到漆黑的夜晚，从晴朗天气到暴雨、大雪等恶劣天气，自动驾驶车辆需要应对各种复杂情况。通过对大量不同场景的数据进行标注，模型可以学习到不同环境下交通元素的特征变化，从而具备更强的泛化能力，能够在各种复杂场景中做出正确的决策。比如，对低光照或雨天场景下的道路、车辆和行人进行标注，让模型学习到这些特殊条件下目标的视觉特征，从而使自动驾驶车辆在类似场景中也能安全行驶。
二、自动驾驶数据标注的类型
2.1 2D 图像标注
图障碍物标注，图片来自网络
图地面标志物用淡黄色折线标注，来自网络
图红绿灯标注，来自网络
人脸标注：对图像中的人脸关键位置，如脸廓、眉毛、眼睛、嘴唇等进行标注。在自动驾驶中，人脸标注可用于车载系统监控，例如监测驾驶员的疲劳状态或注意力是否集中；也可用于统计乘客人员数据、司乘身份验证等功能。
注意，出于隐私需求，人脸保存要模糊化处理
图人脸标注，来自网络
图座舱内人脸标注，来自网络
图车道线标注
2.2 3D 场景标注
图基于视频的图像标注，来自网络
图蓝色和绿色的道路边界，来自网络
图基于点云的3D目标标注，来自网络
图3D语义分割标注，没有2D那么准确，因为点云是相对稀疏的，来自网络
2.3 4D 数据标注
4D点云标注在三维空间中标注点云数据的基础上，增加了时间维度，主要用于动态场景下的目标跟踪和行为分析。在自动驾驶、机器人导航、视频监控等领域，对动态场景中的障碍物、行人、车辆等进行标注时，考虑时间维度可以提供更加准确和完整的信息。例如，在自动驾驶过程中，通过 4D 点云标注，不仅能够知道某个时刻车辆周围物体的位置和状态，还能跟踪它们在一段时间内的运动轨迹和变化趋势，预测其未来的位置和行为，从而使自动驾驶车辆提前做出更合理、更安全的决策，避免碰撞事故的发生。这种标注方式对于复杂交通场景下的自动驾驶系统尤为重要，能够有效提升系统的性能和安全性。
图4D点云标注，来自网络
图中车辆上用文字描述的动态信息，就是第四维的标注。
4D点云标注通过融合三维空间（3D）和时间维度（4D）的信息，实现对动态场景的精确描述。4D标注的维度构成如下：
维度 |
描述 |
技术实现 |
空间（3D） |
物体的长、宽、高及空间位置 |
基于点云或毫米波雷达数据重建3D几何形状 |
时间（+1D） |
物体在时序中的运动轨迹、速度、加速度等动态属性 |
通过多帧点云关联生成连续轨迹 |
三、自动驾驶数据标注的发展方向
自动化与智能化标注
随着自动驾驶技术的快速发展，对数据标注的需求呈爆发式增长，传统的人工标注方式已难以满足大规模数据标注的效率和成本要求。
在卷福出演的表现阿兰图灵在二战破译德军密码的电影《模仿游戏》里面，有一句台词“要打败一台机器，只有靠另外一台机器”。
多模态数据融合标注
图多模态融合标注，一般是先融合（对同一目标，多种传感器的数据一起精确描绘它）后标注，来自网络
场景理解与语义标注的深化--像素集的精确分割和语义定义（语义上讲是什么）
图什么东西在什么位置，精确到像素级别，来自网络
实时标注与在线学习支持
随着自动驾驶车辆在实际道路上的广泛测试和应用，对数据标注的实时性要求也越来越高。未来的数据标注系统将具备实时标注能力，能够在车辆行驶过程中，对采集到的传感器数据进行实时标注和分析，及时反馈给自动驾驶系统，实现模型的在线学习和更新。这样，自动驾驶系统可以根据最新的标注数据不断优化自身的决策策略，快速适应新的交通场景和变化。例如，当车辆遇到一种新的交通标志或罕见的道路状况时，实时标注系统能够立即对相关数据进行标注，并将其用于模型的在线训练，使车辆在下一次遇到类似情况时能够正确应对。实时标注与在线学习支持将极大地提高自动驾驶系统的适应性和智能水平，加速其从实验室走向实际应用的进程。
四、总结
任何敏感的人看到“自动驾驶数据自动标注”时，几乎都会产生上述疑问。
核心区别的在于，自动驾驶数据的自动（基本都是依靠人工智能）标注，有一个人工审核的环节。
这个不起眼的人工审核和校验修正的过程，虽然各种文献都着墨不多，主要篇幅都用于渲染自动标注的人工智能多么厉害去了。
但它才是自动标注过程真正的点石成金的步骤。数据标注员的工资价值就在于此。归根结底是人类给人工智能带来真正的信息增益。