自动驾驶四大核心技术是环境感知、精确定位、路径规划、线控执行。环境感知是智能车辆自主行驶的基础和前提，对环境信息和车内信息的采集、处理与分析，使智能驾驶车辆更好地模拟、最终超越人类驾驶员的感知能力，准确地感知并理解车辆自身和周边环境的驾驶态势。
环境感知的对象主要包括：路面、静态物体和动态物体等三个方面，涉及道路边界检测、障碍物检测、车辆检测、行人检测等技术。
?
一、什么是自动驾驶车辆检测技术？
开发自动驾驶汽车系统时，准确探测到障碍物非常关键，路上行驶的其他车辆是障碍物检测的重中之重，因为它们很可能是车道上或邻近车道上最大的物体，其潜在危险性也最大。
车辆检测技术通常来说就是利用专门的传感器来感知行驶中的汽车所处的周围环境，同时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以及这些车辆所处位置。
二、车辆数据标注的主要类型和标注规则
从传统的计算机视觉技术到深度学习技术，各种障碍检测技术得到了很大的发展，车辆检测是监督学习任务，模型训练需要车辆在图像中的分类和位置信息，首先对车辆信息进行标注，然后用标注信息训练目标检测模型。
1.路面上常见的乘用车视觉障碍物
Car（7座以下的小车）
MinBus(小型客车）
Truck（卡车，7座以上的巴士，工程车等）
Large and medium-sized passenger cars（大中型客车）
ligent logistics car（智能物流小车）
Bicycle（自行车，电动自行车，三轮车等）
Person（人）
2.标注规则
2D拉框：
图像中出现的障碍物都需要标注2D框，Car、Bus、Truck这三个车辆大类的障碍物，还需要标注车辆方向属性、车辆侧面与车头（或车尾）的分界竖线，车辆侧面底边线。
3D拉框：
3D框内需要包含目标主体所有点云，不可漏点，但不应包含噪点。
若目标物体边界清晰，则3D框边界距离目标主体真实边界最多不能大于10cm。
如目标因扫描不全而导致点云缺失，需根据标尺功能辅助与图像中主体的实际关系来脑补缺失面边界。
行人距离过近时，行人框可能有一定程度的重叠，此时正常标注即可。
行人若带着小物体，比如雨伞、背包等情况，行人的3D框需要包含这些小物体。
要注意三视图是否贴合；注意正前方方向是否正确。
点云框要按照车辆行驶方向标注。
所有地面上的目标物体其3D标注框底部须贴合地面，不能高于地面或低于地面。
当目标距离过远导致目标所在区域点云稀疏、没有地面点或者难以确定3D框下底面高度的情况时，可参考最近的地面点云线的高度和点云中距离最近的3D框来确定大致高度。
3D框的旋转?度与目标的旋转?度要尽量一致，对于能确定旋转?的?辆目标（?辆至少有一个面的点云是稠密的），误差要小于1.0°。
对于不能准确估计旋转?度的?辆和行人，旋转?度误差标准适当放宽。
?辆的后视镜、天线、行李架、电?的电线架、出租?顶灯牌等，无需标注。
雨滴、尾气注意区分，避免误标注为行人，也同时避免将这些点云加入到目标3D框中。
3.注意事项
不遗漏框，不误标框，不多标框，残影和杂点不需要标注。
标注方向需正确，?框误差不超过1.0°，人框尽量贴合实际朝向。
3D框要求紧密贴合点云，不可漏标点，外围边界不超过清晰点云边界的10cm位置，标注准确率在99%以上。
对于远处的目标，即使点云只有1个，但可以确定是目标的点（通常目标附近不会有地面点），则需要标注3D框。
AI基础数据服务｜数据采集｜数据标注｜假指纹制作｜指纹防伪算法
助力人工智能技术加速数字经济相关产业质量变革，赋能传统产业智能化转型升级
著作权归景联文科技所有，商业转载请联系景联文科技获得授权，非商业转载请注明出处。