滴滴、百度爭相試水RoboTaxi：自動駕駛落地還缺點啥？
云測數據在智能駕駛領域數據標注領域長期保持著領先優勢。在標注工具方面,云測數據自研了一套可以支持圖片、語音、文本等多品類的標注平臺,可滿足業內圖片通用拉框、車道線、DMS、3D點云、2D/3D融合、全景語義分割等標注類型,支持自動駕駛、智能駕艙、自動泊車等場景數據標注。
值得一提的是云測數據的三維標注工具,尤其是3D點云的標注工具,通過渲染引擎等方面的優化,可保證整個過程的流暢和快捷。對雷達成像的圖像中的機動車、障礙物、行人等多目標進行3D標注,也是業內率先實現2D、3D融合標注的平臺之一。在數據質量的導向下實現更優的品控和更快的數據交付,當屬業內領先。
▲云測數據的團隊在進行3D點云標注
“數據標注的準確率和貼合度至關重要,比如要在一個2D圖片或3D點云圖里標注出汽車,標注的矩形框要盡可能地與物體貼合。”賈宇航補充道,“云測數據利用自主開發的標注工具,即使是3D點云圖像,也可以保證數據標注的流暢性和時效性,以及行業內領先的數據標注精準度。”
正是定制化的場景、豐富的數據量,還有高質量的標注結果,讓云測數據與行內包括自主、合資車企,大型Tier1,以及做無人出租車的自動駕駛公司等眾多企業,建立了持久良好的合作關系。
據賈宇航介紹,涉足自動駕駛領域數據標注以來,云測數據僅在難度較大的3D點云數據上,就大概輸出了千萬幀的數據。這些數據應用于自動駕駛感知系統的優化進步,助力算法工程師和企業們在3D感知、場景理解等方面取得進展。
AI數據助力科幻照進現實
正如人類的飛天夢一樣,人們對自動駕駛有著熱切的需求。
而自動駕駛真正商業化落地的關鍵之一,就是要通過人工智能算法處理更多更復雜的場景。從宏觀角度來看,現有算法、算力無法準確處理復雜交通環境下無限可能的長尾場景,這時候高質量AI數據的覆蓋就顯得更加重要。
一方面,現實交通場景復雜、安全威脅多。尤其是國內路況的復雜性和國內智能駕駛起步稍晚的現狀,更需要高質、更精準的數據來進行算法訓練。
另一方面,從安全性上來看,標注數據質量的高低將直接影響自動駕駛的安全性。例如,人像、建筑物、植物、道路、交通標志、車輛等數據標注的準確性直接決定智能駕駛AI對于路況的判斷,數據標注偏差會直接影響行駛安全。
作為人工智能領域內最值得期待的場景,智能駕駛產業落地的大門已然開啟。場景化、定制化的高質量AI數據已成為智能駕駛領域最需要的基礎動力之一,而AI數據也將在不斷深入的產業落地中,為現實世界推開“科幻”的大門。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
圖片新聞
最新活動更多
-
精彩回顧立即查看>> 【線下會議】恩智浦創新技術峰會·深圳
-
精彩回顧立即查看>> 【在線直播】可視化神器！VisionSym 賦能汽車光學原型開發
-
精彩回顧立即查看>> 12月16-17日 AMD 嵌入式峰會
-
精彩回顧立即查看>> 恩智浦創新技術峰會
-
精彩回顧立即查看>> 【工程師系列】汽車電子技術在線大會
-
精彩回顧立即查看>> Works With 開發者大會深圳站
推薦專題
