自動駕駛系列（一）——環境感知之車輛檢測技術

自動駕駛四大核心技術是環境感知、精確定位、路徑規劃、線控執行。環境感知是智慧車輛自主行駛的基礎和前提，對環境資訊和車內資訊的採集、處理與分析，使智慧駕駛車輛更好地模擬、最終超越人類駕駛員的感知能力，準確地感知並理解車輛自身和周邊環境的駕駛態勢。

環境感知的物件主要包括：路面、靜態物體和動態物體等三個方面，涉及道路邊界檢測、障礙物檢測、車輛檢測、行人檢測等技術。

一、什麼是自動駕駛車輛檢測技術？

開發自動駕駛汽車系統時，準確探測到障礙物非常關鍵，路上行駛的其他車輛是障礙物檢測的重中之重，因為它們很可能是車道上或鄰近車道上最大的物體，其潛在危險性也最大。

車輛檢測技術通常來說就是利用專門的感測器來感知行駛中的汽車所處的周圍環境，同時結合智慧演算法實時準確的計算該車四周是否存在其他車輛以及這些車輛所處位置。

二、車輛資料標註的主要型別和標註規則

從傳統的計算機視覺技術到深度學習技術，各種障礙檢測技術得到了很大的發展，車輛檢測是監督學習任務，模型訓練需要車輛在影像中的分類和位置資訊，首先對車輛資訊進行標註，然後用標註資訊訓練目標檢測模型。

1. 路面上常見的乘用車視覺障礙物

Car（7座以下的小車）

MinBus(小型客車）

Truck（卡車，7座以上的巴士，工程車等）

Large and medium-sized passenger cars（大中型客車）

ligent logistics car（智慧物流小車）

Bicycle（腳踏車，電動腳踏車，三輪車等）

Person（人）

2. 標註規則

2D拉框：

影像中出現的障礙物都需要標註2D框，Car、Bus、Truck這三個車輛大類的障礙物，還需要標註車輛方向屬性、車輛側面與車頭（或車尾）的分界豎線，車輛側面底邊線。

3D拉框：

3D框內需要包含目標主體所有點雲，不可漏點，但不應包含噪點。

若目標物體邊界清晰，則3D框邊界距離目標主體真實邊界最多不能大於10cm。

如目標因掃描不全而導致點雲缺失，需根據標尺功能輔助與影像中主體的實際關係來腦補缺失面邊界。

行人距離過近時，行人框可能有一定程度的重疊，此時正常標註即可。

行人若帶著小物體，比如雨傘、揹包等情況，行人的3D框需要包含這些小物體。

要注意三檢視是否貼合；注意正前方方向是否正確。

點雲框要按照車輛行駛方向標註。

所有地面上的目標物體其3D標註框底部須貼合地面，不能高於地面或低於地面。

當目標距離過遠導致目標所在區域點雲稀疏、沒有地面點或者難以確定3D框下底面高度的情況時，可參考最近的地面點雲線的高度和點雲中距離最近的3D框來確定大致高度。

3D框的旋轉⻆度與目標的旋轉⻆度要儘量一致，對於能確定旋轉⻆的⻋輛目標（⻋輛至少有一個面的點雲是稠密的），誤差要小於1.0°。

對於不能準確估計旋轉⻆度的⻋輛和行人，旋轉⻆度誤差標準適當放寬。

⻋輛的後視鏡、天線、行李架、電⻋的電線架、出租⻋頂燈牌等，無需標註。

雨滴、尾氣注意區分，避免誤標註為行人，也同時避免將這些點雲加入到目標3D框中。

3. 注意事項

不遺漏框，不誤標框，不多標框，殘影和雜點不需要標註。

標註方向需正確，⻋框誤差不超過1.0°，人框儘量貼合實際朝向。

3D框要求緊密貼合點雲，不可漏標點，外圍邊界不超過清晰點雲邊界的10cm位置，標註準確率在99%以上。

對於遠處的目標，即使點雲只有1個，但可以確定是目標的點（通常目標附近不會有地面點），則需要標註3D框。

AI基礎資料服務｜資料採集｜資料標註｜假指紋製作｜指紋防偽演算法

助力人工智慧技術加速數字經濟相關產業質量變革，賦能傳統產業智慧化轉型升級

著作權歸景聯文科技所有，商業轉載請聯絡景聯文科技獲得授權，非商業轉載請註明出處。