AI加速自動駕駛程式，提供資料採集標註服務

“當前，路面上搭載各級別自動駕駛系統的車輛數量逐漸增多。對自動駕駛領域頭部企業來說，為了保持自身的競爭優勢並加速自動駕駛應用安全落地程式，需要依靠大量的高質量標註資料來訓練最佳化自動駕駛相關演算法模型。資料作為AI技術的底層基礎，高質量的訓練資料越來越受到自動駕駛行業的重視。”

德勒報告顯示，在未來的3到5年，汽車智慧化、網聯化將迎來一輪高速推進，預計至2030年，中國運營的自動駕駛車輛將達3000萬輛。麥肯錫認為，未來，中國很可能成為全球最大的自動駕駛市場，預計至2030年，自動駕駛相關的新車銷售及出行服務創收將超過3.58萬億元。

AI資料作為人工智慧和機器學習的基礎，在自動駕駛領域中有著重要地位。與其他人工智慧應用場景相比，智慧駕駛的落地場景相對複雜，想要讓汽車本身的演算法做到處理更多、更復雜的場景，就需要運用大量場景化高質量資料做支撐。

自動駕駛用到的資料標註方式

1、3D點雲關鍵點標註

與2D影像資料相比，3D點雲資料中包含目標的距離、速度、角度、反射強度等資訊，且不依賴外界光照條件或目標本身的輻射特性，可以更好的感知自動駕駛汽車周邊道路環境，為感知系統提供決策依據。

3D點雲關鍵點可以透過定義檢測標準來獲取具有穩定性，區別性的點集，從技術上來說，3D點雲關鍵點的數量比原始點雲資料量少很多，而關鍵點技術也已成為在3D資訊處理中非常關鍵的技術。

2、2D3D融合標註

2D3D融合標註是指同時對2D和3D感測器中所採集到的影像資料進行標註並建立起聯絡。2D相機資料和3D鐳射雷達點雲資料相融合，能夠使資料標註員利用其視覺資訊和深度資訊建立出更精準的標註，從而幫助自動駕駛模型增強其視覺和雷達感知能力。

3、3D點雲目標檢測

3D點雲目標檢測用來獲取物體在三維空間中的位置和類別資訊，主要基於點雲、雙目、單目和多模態資料等方式。其中，點雲資料由於擁有比較豐富的幾何資訊，比其它單模態資料要更加穩定。3D目標檢測主要可用於自動駕駛場景中的車輛，行人，靜態障礙物等檢測。

4、3D點雲語義分割

透過3D點雲語義分割技術將道路環境點雲資料進行分割，能夠很好地識別出道路上行人、汽車等物體，幫助車輛瞭解周圍的道路環境。這項技術可被應用在無人駕駛汽車中，可以大幅度提高了汽車對周圍環境的理解。

5、車道線標註

車道線標註是一種對道路地面標線進行的綜合標註，包括區域標註、分類標註以及語義標註，以訓練自動駕駛根據車道規則進行行駛。

6、2D車輛/行人標框標註

2D車輛/行人標框標註在自動駕駛中是最基礎的標註方式，主要應用於對車輛與行人的基礎識別。

7、3D立方體標註

與點雲標註不同，3D立方體標註還是基於二維平面影像的標註，標註員透過對立體物體的邊緣框定，進而測量出車輛間的相對距離。

8、車輛多邊形標註

車輛多邊形標註是對車輛進行區域標註以及分類標註，主要應用於對車輛型別的識別，例如：麵包車、卡車、大客車、小轎車等，可以以此訓練自動駕駛在道路行駛時作出選擇性跟車或者變道操作。

9、指示牌/訊號燈標註

指示牌/訊號燈標註是一種對道路懸掛指示牌/訊號燈進行的綜合標註，標註包括區域標註、分類標註以及語義標註，主要應用於訓練自動駕駛根據交通規則進行行駛。

10、區域分割標註

區域分割標註是一種對道路區域進行的綜合標註，標註包括了區域標註、分類標註以及語義標註，主要應用於訓練自動駕駛根據交通規則進行行駛。

11、行進方向標註

行進方向標註一種對標註物前進方向進行預判性標註，以訓練自動駕駛判斷行人或車輛前進方向，有效規避行人及車輛。

12、影片跟蹤標註

影片跟蹤標註是將影片資料按照圖片幀抓取進行標框標註，標註後的圖片幀按照順序重新組合成影片資料訓練自動駕駛。影片跟蹤標註主要是用於訓練自動駕駛對識別目標的移動跟蹤能力，使自動駕駛在行駛過程中可以更好地識別目標。

13、人臉關鍵點標註

人臉關鍵點標註是對影像中人臉的關鍵位置，如臉廓、眉毛、眼睛、鼻子、嘴唇等進行標註，在自動駕駛中主要用於車載系統監控，可以統計出乘坐人員資料以及駕駛員身份驗證等。

13、情緒判斷

情緒判斷是對駕駛員及乘坐人員對面部表情進行標註，比如高興、生氣，驚訝，可以根據表情變化進行推送。

14、ASR語音轉寫

ASR語音轉寫常用於自動駕駛系統中的語音助手領域，可以很好地協助駕駛員管理並控制車輛。

景聯文科技針對自動駕駛的不同落地需求，提供定製化採集標註、資料標註平臺等服務，對影片、影像、文字、點雲等資料進行結構化處理，一站式解決自動駕駛從研發初期到落地的訓練資料需求，在為智慧駕駛相關企業和高校科研機構提供大規模感知資料的能力的同時，可大幅度提升資料標註效率，降低AI模型訓練成本，極大地加速智慧駕駛相關應用的落地迭代週期，節省研發時間和成本。

景聯文科技構建了全國27個省市直轄市全球52個國家的資料採集資源網路，擁有豐富的自動駕駛資料採集場景搭建經驗。

針對智慧座艙中的人機互動場景，支援車載語音喚醒詞采集、駕駛員乘客行為採集、手勢採集、2D、3D人臉採集、情緒表情採集、人機對話採集等；針對無人駕駛場景，支援車輛採集、行人採集、街景道路採集、電動車採集、地圖精準採集等。

對全職採標團隊建立完善的人員培訓、管理體系，推出整套AI產業人才培養解決方案，分別開通理論課程、實訓課程、結業考試等培養專案，透過理論與實踐相結合為行業輸送高素質資料標註員。全職標註團隊中90%以上標註員能夠勝任3D點雲等高難度門檻標註專案，滿足人工智慧多樣性、豐富性的資料標註需求。

針對智慧座艙中的人機互動場景，支援情緒判斷、ASR語音轉寫、駕駛員乘客行為標註、人臉關鍵點標註等；

針對無人駕駛，支援3D點雲關鍵點標註、3D點雲目標檢測、3D點雲語義分割、2D3D融合標註、車輛和行人標註、語義分割、車道線標註、3D立方體標註、車輛多邊形標註、指示牌和訊號燈標註、線段標註、影片跟蹤標註等。

為了更好地解決以往使用的單一工具在執行效率上的欠缺並積極迎合市場需求，我司資料標註平臺，針對不同廠商和裝置提供的影像、語音、影片或3D點雲資料均可完成高質量高精度的資料標註，基於自身豐富的自動駕駛標註經驗和先進的標註工具，可對車輛、行人、路標等行駛障礙物進行框選標註，為環境感知技術提供精準的標註資料集，並支援全方面的標註、質檢、驗收和管理。開放甲方驗收通道，能夠達到最高99%的準確率，高效率高質量快速交付。

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

文章圖文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。