智能驾驶是现代科技的结晶, 汇集了视觉、语音、语言、深度学习等诸多人工智能成果。 在智能驾驶技术中, 感知就像人的眼睛和耳朵。 它主要通过安装在汽车上的外部传感器获取外部环境信息, 并将汽车的地理信息和障碍物信息准确、快速地传输给计算机控制系统。 车辆观察周围环境以帮助汽车做出更好的决策。 就目前的自动驾驶阶段而言, 激光雷达是帮助自动驾驶系统正确感知的重要传感器。
        它发射和接收激光束,

分析激光遇到目标物体后的返回时间, 并计算目标物体与车辆之间的相对距离。 并利用在此过程中采集到的目标物体表面大量密集点的三维坐标、反射率和纹理等信息, 快速重建被测目标的三维模型和各种地图数据, 如 线、面和体积。 点云图, 绘制环境图, 以达到环境感知的目的。 简单来说, 激光雷达的最大优势在于它利用 3D 点云来准确“描绘”自动驾驶汽车的周围环境。 与2D图像数据相比, 3D点云数据包含目标的距离、角度、反射强度、速度等信息, 不依赖于外部光照条件或目标本身的辐射特性, 能够更好地感知目标的距离、角度、反射强度、速度等信息。 汽车周围的道路环境。 感知系统为决策提供依据, 堪称自动驾驶行业的“视野”。 基于激光雷达生成的3D点云图像标注, 通过精细标注, 3D点云数据可用于自动驾驶系统训练。 具体实现形式是通过3D矩形或语义分割在激光雷达采集的点云图像中准确标注道路目标对象（多类型指定对象：包括但不限于车辆、建筑物、树木、行人等）。 自主研发的云量测数据3D标注工具, 尤其是3D点云标注工具, 通过渲染引擎等方面的优化, 保证了整个流程的流畅度和速度。 也是业内率先实现2D3D融合标注的平台之一, 对激光雷达图像中的车辆、障碍物、行人等多目标进行3D点云标注。 当前自动驾驶的数据需求正朝着多模态方向发展。
        所谓多模态, 是指多维时间、空间和环境数据的感知和融合。 例如, 当前的自动驾驶需要雷达+摄像头产生的点云数据和2D图像数据, 为车辆决策系统提供更可靠的数据基础。 在云量测数据标注平台中, 可以通过“2D3D融合功能”进行相应的融合标注, 通过融合参数将点云中的标记对象映射到2D图像中。 如下图： 在标注工具方面, 云量测数据全面支持使用3D点云标注、3D矩形框选择、语义分割、目标跟踪（用于标注点云的连续帧）、2D3D融合标注等工具。 一系列提高标注效率和准确性的辅助功能, 如框切割、复制功能、2D地图辅助框、有效标注区域、预设框、自动拟合等。 自动拟合示意图矩形框应为 尽可能靠近物体。” 云测数据总经理贾宇航表示, “云测数据自主研发的标注工具,

即使是3D点云图像,

也能保证数据标注的流畅性和及时性。 目前, 云量测数据已经实现了对视觉、语音、文字全类别的支持。
        为了实现更高的精度支持, 云测量数据采用基于规则的机器筛选方法。 在人工校验过程之前, 根据标注项目的要求, 引入相关的错误校验规则, 为数据准确性的提高提供保障。 贾宇航表示, 通过精准、优质、独立、安全的数据, 帮助智能驾驶客户快速构建核心数据壁垒,

塑造竞争优势。 这些优质数据应用于自动驾驶感知系统的优化和进步, 帮助算法工程师和企业在3D感知和场景理解方面取得进展, 为智能驾驶企业提供更多商业价值。