一、自动驾驶数据标注概述
1.1 什么是数据标注
数据标注，说白了就是给原始数据「贴标签」。
你想想看，自动驾驶的车子本身是「瞎」的。它看到的只是一堆像素点、点云数据。它不知道哪个是行人，哪个是车辆，哪个是路沿。数据标注就是帮它「开眼」的过程。
我习惯把标注分成几类：
- 2D框标注：在图像上画矩形框，框出行人、车辆、交通标志。这是最基础的。
- 3D点云标注：在激光雷达的点云数据中，给物体标出三维立方体。这个难度大不少。
- 语义分割：把图像里的每个像素都分类。比如天空、道路、树木，一个像素都不能错。
- 实例分割：比语义分割更细。同样是「车」，你要区分出「车A」和「车B」。
- 车道线标注：标出车道线的位置、类型（实线、虚线、双黄线）。
- 关键点标注：标出物体的关键部位，比如行人的关节、车辆的车轮。
核心观点：标注质量直接决定模型上限。数据脏了，模型再牛也白搭。
1.2 自动驾驶为什么需要标注
这个问题，我经常被刚入行的朋友问到。其实答案很简单——自动驾驶本质上是「数据驱动的机器学习」。
你想想看，一辆自动驾驶车要上路，它得学会：
- 感知：识别出周围有什么东西。行人、车辆、障碍物、交通标志。
- 预测：这些东西接下来会怎么动。那个行人会不会横穿马路？
- 规划：我该怎么走。是加速通过还是减速让行？
- 控制：方向盘打多少，油门踩多深。
这四个环节，每一个都离不开标注数据。没有标注，模型就是「睁眼瞎」。
我记得有一次在项目里，我们用了公开数据集训练模型。结果发现模型在雨天表现特别差。后来一查，原来是公开数据里雨天的标注样本太少。说白了，标注数据的质量和多样性，直接决定了模型在真实场景下的表现。
我的建议：标注不是「一次性工作」。随着算法迭代，标注标准也要不断更新。我习惯每两个月复盘一次标注规范。
1.3 标注行业现状与趋势
这个行业变化很快。我入行那会儿，标注还是纯人工的。现在呢？
| 阶段 | 特点 | 典型工具 |
|---|---|---|
| 2016-2018 | 纯人工标注，效率低，质量参差不齐 | LabelImg, LabelMe |
| 2019-2021 | 半自动化标注，预标注+人工修正 | Supervisely, CVAT |
| 2022-2024 | AI辅助标注，大模型介入 | Scale AI, 华为云ModelArts |
| 2025+ | 主动学习+自动标注，人工只做审核 | 自研工具+大模型 |
现在的趋势很明显：
- 自动化程度越来越高。以前标一张图要5分钟，现在AI预标注后，人工只要检查30秒。
- 标注标准越来越细。以前只要框出车就行，现在要区分轿车、SUV、卡车，还要标出朝向、遮挡程度。
- 数据安全越来越严。很多车企要求标注数据不能出公司内网，标注工具必须私有化部署。
- 标注人员要求越来越高。纯「画框工」正在被淘汰，懂算法、懂场景的标注工程师越来越吃香。
避坑指南：我曾经见过一个团队，为了省钱用了免费标注工具。结果数据格式不兼容，光格式转换就花了两周。选工具时一定要考虑生态兼容性。
1.4 标注工具选型的关键考量
选标注工具，我一般看这几点：
- 支持的标注类型：2D框、3D框、语义分割、车道线...你的项目需要哪些？
- 自动化能力：有没有AI预标注？能不能用模型辅助标注？
- 数据管理：能不能做数据版本管理？能不能多人协作？
- 导出格式：支不支持COCO、KITTI、PASCAL VOC这些主流格式？
- 部署方式：是SaaS还是私有化部署？数据安全怎么保障？
嗯，这里要注意。很多工具宣传得天花乱坠，但实际用起来各种坑。我建议先拿小批量数据试跑一下，看看实际效率。
一句话总结：标注是自动驾驶的「地基」。地基不牢，楼盖得再高也是危楼。
好了，这一章就聊到这儿。下一章我们具体讲讲主流标注工具的对比和实操技巧。