联系我们 业务专题 | 自动驾驶感知数据标注典型案例剖析
众所周知，目前业界尚未实现全自动数据标注，仍然有大量的标注工作需要人工完成，稳定的质量、效率、产能是自动驾驶感知数据标注的关键要素，在人工操作的时候，如何在数据量极大的情况下，保证标注结果的一致性也是一大挑战，自动驾驶感知数据标注团队针对不同类型的感知数据标注项目建立了对应的实施策略，下面以一涵盖2D3D、点云、语义分割等多类型任务的典型项目为例展开介绍：
在项目合同签订后，项目参加单位就项目商务和技术进行沟通，确认项目流程、工作内容和重要时间节点，召开项目启动会，并实施项目管理。通过项目管理和流程实现项目质量控制，确定以下工作：(1) 成立项目组并明确责任分工及窗口人员联系方式；(2) 确定项目组的组织架构；(3) 确定例会制度；(4) 确定项目实施计划；(5) 确定项目管理文件，如命名及缩写规则，开放问题列表等；(6) 确定重要节点评审机制；(7) 确定各个阶段的输出物及模板，各交付物的质量要求。 本项目主要是涉及到点云图像数据融合标注、点云分割、图像分割、图像停车位、图像车道线、图像障碍物、图像标志标注。 根据项目需求，将客户提供的标注数据，进行点云解析、2D/3D真值投影修正。通过运行后台脚本插件完成数据解析，并利用标注平台自带功能完成数据分包和投影修正工作，按客户要求进行免费部署和培训，并提供标注平台的使用说明。 数据融合涉及到内外参数的预导入、参数转换、参数修正、平台功能进一步优化等工作，利用平台自带功能结合后台算法，共同实现了雷达3D车道线融合标注。 点云车道线标注 针对项目需求——在3D中隐藏设定角度以外的点云、通过设定采集车辆为中心的前方角度在3D点云上显示参照线，安排相关技术人员，完成了贴合项目需求的平台功能优化。 同时，根据客户要求，平台提供了难例、特殊场景及无效数据的筛选及分类、点云多帧压缩标注。 难例筛选
特殊场景筛选
叠帧处理
此外，根据项目需求支持为客户验收人员开设平台账号。
磨合期结束后，进入正式标注阶段，标注团队每周在接收到客户上传至服务器中的原始数据后，迅速完成内容确认与数据解析工作，并开始标注工作，下表为部分爬坡计划（不包括审核、质检、管理，仅为标注人力数）： 月爬坡计划表
四质量管控及服务实施计划
采用人工校验方法对标注数据进行同步检验。在交付最终标注数据前，对每一个标注数据进行质量检查，确保准确率达到甲方要求的标准。在项目完成执行过程中从规则理解、标注方法、反馈机制等四个方面确保服务质量： 1)规则理解 能够正确的理解规则，实现算法的需求是标注的重点，首先，细化规则，以规则为核心展开规则解读。 其次，在规则初步展开的基础上，组织资深质检员对规则进行讨论，梳理问题点及时与算法老师沟通确认。 最后，全项目周期中不间断的对规则进行跟踪，随时记录，随时调整。 2)标注方法 项目初期通过试标测速阶段整理的经验，编制基础的标注方法，在项目爬坡期随着项目的不断磨合逐步完善，最终达到稳定的状态。 3)反馈机制 建立及时有效的反馈机制是至关重要的，包含： a)日常反馈：问题沟通、验收问题反馈确认、工作量统计等 b)定期更新相关支撑文件：补充规则、易错点汇总文件等工具，需要定期更新 c)内部员工的质量精度反馈，配合相关的奖惩机制，保持项目的高效运转。 同时在标注过程中设定三轮质检，确保客户数据质量： 第一轮：标注完成的数据提交至初审，初审进行质检，合格的数据提交至复审；不合格的数据打回至标注（初审返修数据在标注提交次日完成返修）。 第二轮：复审进行质检，合格的数据提交至数据巡检员；不合格的数据打回至标注（质检返修数据在当天完成返修）。 第三轮：数据巡检员复审进行质检，合格的数据提交至验收；不合格的数据打回至标注（复审返修数据在当天完成返修）。
友情链接
政府网站
行业网站
中汽中心网站群
中汽数据网站群
