自动驾驶汽车：人工智能(AI)的焦点
我们在上篇中谈到，人工智能驱动汽车解决方案的市场规模预计到 2025年将增长十倍以上，提升车内体验的商机领域以及 AI 模型的无偏见训练数据的重要性。在本篇中，我们将介绍车外体验的关键组成部分，以及自动驾驶数据标注的主要内容。
自动驾驶的发展道路
谈及车外体验时，重点依然是自动驾驶汽车。虽然努力的目标是达到最高的全面自动化驾驶级别（第 5 级），但在达到这一目标之前，人工智能如何影响车外体验是个循序渐进的过程。人工智能驱动的智能汽车要求更高水平的计算机视觉和计算能力------雷达和摄像头的传感器每秒传输大量数据，以处理危险路况、路障和路标等情况。
自动驾驶的数据标注
自动驾驶汽车不仅需要了解车内司乘，还要能够找到应对复杂路况的正确方法。这是安全至上的人工智能应用场景，几乎没有出错的余地。虽然实现完全自动化是个很长的过程，但在汽车制造商一步步达到无人驾驶级别的过程中，缓慢推进也有助于建立与消费者之间的信任。得益于计算机视觉机器学习模型的最新研究成果，人工智能驱动的自动驾驶的商机主要集中在计算机视觉与激光雷达(LiDar)、视频对象跟踪和传感器数据上。这些帮助汽车从 A 点行驶至 B 点时"看"和"想" 帮助训练模型执行操作的数据标注包括：
点云标注（ LiDar ，雷达）
通过识别和跟踪场景中的对象，了解汽车前方和周围的场景。将点云数据和视频流合并到要标注的场景中。点云数据可帮助您的模型了解汽车周围的世界。
2D 标注（包括语义分割）
帮助您的模型精确理解来自可见光摄像头的信息。寻找能够在创建用于自定义本体的可扩展边界框或高清像素掩膜方面提供帮助的数据合作伙伴。
视频对象和事件跟踪
您的模型必须了解对象如何随时间移动，并且数据合作伙伴应协助您标注时间事件。在多帧视频和 LiDar场景中跟踪进入和离开本体中的关注区域的对象（如其他汽车和行人）。至关重要的是，在整个视频中，无论对象进入和离开视线的频率如何，都要保持对其特性的一致理解。 为了保证驾驶安全，自动驾驶训练数据的要求非常严格：高质量，高量级，高效率。在标注过程中，人工智能辅助的标注平台扮演了核心角色：可以进行人工智能预标注，大大降低人工耗时，并且可以进行高质量快速的质检，是纯人工标注所无法达成的。 例如，澳鹏的高质量数据标注平台针对自动驾驶数据标注进行了全面升级，其中建构的3D点云车道线语义分割自动识别能力，能以高于人工标注几十倍的效率完成车道线点的分类。