曼孚技术分享丨浅析自动驾驶车辆检测技术

提到自动驾驶，有人不禁会好奇，自动驾驶系统如何感知周围环境并做出“人类”的决定?

自动驾驶技术的主要模块共三大类，即感知、规划和控制。它们之间相互协作，共同为车辆的安全性与舒适性保驾护航。

简单来说，感知由环境建模和本地化组成，它们分别依赖于外界和本体的传感器。规划旨在基于感知结果传递的信息来生成最佳轨迹，以便到达给定的目的地。最后，控制模块专用于通过命令车辆的执行器来跟踪生成的轨迹。

这其中，感知作为自动驾驶的“眼睛”，是车辆检测的主要技术，也是自动驾驶自主行驶的基础与前提。

车辆检测通过环境感知收集场景信息，并结合智能算法实时准确的计算该车四周是否存在其他车辆及这些车辆的所处位置。

自动驾驶车辆检测包括路面、静态物体与动态物体三方面，如道路边界检测、障碍物检测、车辆检测、行人检测等。

通过对外界与车内信息的采集、处理与分析，车辆可以检测到各种移动与静止的障碍物，从而定位静态与动态对象(车辆、行人、建筑物等)，识别可行驶空间。

其中，道路信息包括可行驶区域、车道线、交通标志、绿化带、红绿灯等，这些信息能够帮助车辆准确感知自身和周边环境的驾驶态势，准确规划出可驾驶路径。

环境感知利用专门的传感器来收集行驶汽车所产生的环境信息，常见的传感器有视觉类摄像机(单目、双目立体视觉、全景视觉及红外相机)传感器与测距类雷达(激光雷达、毫米波雷达、超声波雷达等)传感器。

摄像机收集的数据信息为2D图像类，其优点在于能够测量颜色和光强度，图像相比点云更为直观，适合用于目标的分类以及分割。成本低廉，容易部署。

雷达收集的数据信息为3D点云类，点云数据虽不如视觉数据清晰，但其不易受外界环境影响，探测距离较远。

现阶段，车企多采用摄像头+雷达传感器结合的方式，利用多个传感器相互协同操作的优势，将各种传感器进行多层次、多空间的信息互补和优化组合处理，最终产生对观测环境的一致性解释。

标注是指数据处理的环节，面对传感器收集的非结构化数据，需要数据标注将其转换成模型可理解的结构化数据。

具体来说，标注员需要对图片、视频、文本数据，进行拉框、标点等操作，以产出满足算法训练的数据集。图像与点云是自动驾驶数据集的主要类型。

图像标注方法包含矩形框、语义分割、多边形、多段线、关键点、立体框、椭圆，3D标注方法包含连续帧、2D3D融合与语义分割。

自动驾驶常见的物体标注包括道路可行驶区域、栏杆/隔离栏/石墩、杆状物、路边建筑、绿化植被、汽车、非机动车、行人、车道线、人行道、红绿灯等等。

现阶段，车企对数据类型与质量要求愈加严格，传统的标注模式已难以满足市场需求，人与机器结合的半自动标注成为国内领先数据标注公司的主流方式。

其实，不止是数据标注环节，AI应用于数据处理的多个流程。从采集阶段的AI筛查，至标注阶段的AI预标注，再至审核质检阶段的AI质检，人机协作模式淡化对人力的依赖，有效提升了业务执行效率，提高数据质量。

曼孚科技就是一家AI驱动的数据服务公司，也是国内最早专注自动驾驶数据标注的企业。

MindFlow SEED平台是曼孚科技旗下的第三代数据智能服务平台，凭借高度的场景适配性，使曼孚在自动驾驶领域建立了深厚的技术壁垒，在业内维持较高的技术领先。

人机协作模式是曼孚自动驾驶数据量产的关键，MindFlow SEED平台利用18种不同类型AI预标注辅助工具，全面覆盖各类垂直标注场景，效率较行业平均水平提升20%以上，部分场景标注效率可提升2-3倍以上。AI辅助筛查下，数据精准度可达100%级别，直击数据需求痛点。

在未来，曼孚将继续发挥自身优势，提升AI标注水平，为自动驾驶车辆检测提供更加海量、准确的高质量数据，为自动驾驶客户提供更具创新性的产品与服务。