當汽車碰上物聯(lián)網(wǎng)、人工智能技術，恍惚兩個時代的交錯，誕生出一種新的應用模式：智能汽車、自動駕駛等等。以上并不是某些人的臆想，在2020年的某些日子里，滴滴自動駕駛出租車、百度無人車等一一出鏡，賺足了眼球。

在技術驅(qū)動之外，來自產(chǎn)業(yè)政策方面的拉動更是讓業(yè)內(nèi)人士感到興奮——2020年伊始，《智能汽車發(fā)展創(chuàng)新戰(zhàn)略》的發(fā)布，給新一輪智能汽車產(chǎn)業(yè)革命注射了一劑強心針。此外，新能源汽車規(guī)劃以及智能網(wǎng)聯(lián)汽車發(fā)展戰(zhàn)略的出臺，都讓智能汽車、智能駕駛從此走上新的征途。

智能汽車（智能駕駛）需要通過感知、規(guī)劃、決策等過程，完成汽車的控制，這一過程，可以歸納為“人工智能”。然而，這更像是一個結果，想要讓汽車本身的算法做到處理更多、更復雜的場景，背后就需要有海量準確、高質(zhì)的場景數(shù)據(jù)做支撐。

數(shù)據(jù)標注技術，讓行車更智能

今天，智能汽車的場景幾乎無處不在。瞬息萬變的路況信息和交通實景、行人信息等數(shù)據(jù)必須要得到感知和分析，并實時作出決策。在智能駕駛的前提下，這一切只有通過高質(zhì)量AI數(shù)據(jù)的訓練，才能幫助智能汽車正確感知道路環(huán)境，真正做到行駛無憂。

數(shù)據(jù)標注存在的意義是讓機器理解、認識世界。作為國內(nèi)AI數(shù)據(jù)服務領域的頭部企業(yè)，云測數(shù)據(jù)一直致力于為智能駕駛領域提供高質(zhì)量的場景化AI數(shù)據(jù)及場景化訓練。云測數(shù)據(jù)智能駕駛AI數(shù)據(jù)服務解決方案覆蓋了從采集到標注的全鏈條數(shù)據(jù)處理過程，并將場景數(shù)據(jù)針對性的分為車內(nèi)和車外。車內(nèi)場景中包括疲勞監(jiān)測、動作識別、場景光線等一切會在車內(nèi)發(fā)生的場景；車外環(huán)境中包括更復雜的障礙物、道路、天氣、地點、車道線、路標，以及一些長尾場景諸如闖紅燈車輛、橫穿馬路的行人等等。

而上述這些只是智能駕駛中涉及到攝像頭的數(shù)據(jù)，多為圖片類數(shù)據(jù)的標注。由于對安全的嚴苛要求，當前的智能駕駛所需數(shù)據(jù)需求，正向著多模態(tài)的方向發(fā)展。所謂多模態(tài)，即是對多維時間、空間、環(huán)境數(shù)據(jù)的感知與融合。

在汽車的感知部分不僅只有攝像頭，還有激光雷達、毫米波雷達、超聲波雷達等多種方式共同組成，而這些感知方式都需要對應的數(shù)據(jù)標注。結合智能駕駛AI數(shù)據(jù)服務解決方案的出現(xiàn)，高質(zhì)量的AI數(shù)據(jù)再也不是難事。

以激光雷達為例，高性能激光雷達可以實現(xiàn)200米范圍內(nèi)，精度高達厘米級的3D場景掃描重現(xiàn)。它生成的3D點云數(shù)據(jù)通過標注后，可以助力自動駕駛模型的訓練。云測數(shù)據(jù)在智能駕駛領域AI數(shù)據(jù)服務領域長期保持著領先優(yōu)勢。在標注工具方面，云測數(shù)據(jù)自研了一套可以支持圖片、語音、文本等多品類的標注平臺，可滿足業(yè)內(nèi)圖片通用拉框、車道線、DMS、3D點云、2D／3D融合、全景語義分割等標注類型，支持自動駕駛、智能駕艙、自動泊車等場景數(shù)據(jù)標注。幫助汽車更好的感知道路場景，為智能駕駛技術的發(fā)展保駕護航。

頭部企業(yè)利用優(yōu)勢，助力智能駕駛產(chǎn)業(yè)

對于智能駕駛而言，安全始終是第一的影響因素。現(xiàn)實交通場景復雜、安全威脅多，尤其是國內(nèi)路況的復雜性和國內(nèi)智能駕駛起步稍晚的現(xiàn)狀，更需要高質(zhì)、更精準的數(shù)據(jù)來進行算法訓練。

當前AI數(shù)據(jù)服務行業(yè)已經(jīng)開始從重視數(shù)量到質(zhì)量的轉(zhuǎn)變，主要企業(yè)正在數(shù)據(jù)標注技術創(chuàng)新、場景搭建、產(chǎn)業(yè)協(xié)同等方面形成優(yōu)勢。云測數(shù)據(jù)一直秉持著獨立第三方的行業(yè)定位，正在從上述幾個方面進行實踐。

據(jù)了解，云測數(shù)據(jù)在業(yè)內(nèi)首創(chuàng)了“數(shù)據(jù)場景實驗室”模式，通過還原多種智能駕駛細分場景，以解決特定場景下的數(shù)據(jù)缺失、質(zhì)量良莠不齊等行業(yè)問題。這種場景下的定制化數(shù)據(jù)采集更加精準、數(shù)據(jù)質(zhì)量更高，同時也與智能駕駛需求端的匹配度更高，從而最大化將數(shù)據(jù)轉(zhuǎn)化為生產(chǎn)力。

大量的2D／3D道路環(huán)境數(shù)據(jù)可通過云測數(shù)據(jù)的標注過程被賦予“標簽化”意義，例如，識別障礙物、道路標識、聽取動作或語音命令以及一些長尾場景諸如闖紅燈車輛、橫穿馬路的行人等等。這些標注后的精準數(shù)據(jù)將會被反饋到汽車的算法模型中，使汽車具備“看”、“聽”、“理解”、“交談”的能力，為汽車決策提供數(shù)據(jù)感知支撐，從而實現(xiàn)決策過程。

今天人工智能產(chǎn)業(yè)的發(fā)展相比之前已經(jīng)有了很大進展，算力、算法、數(shù)據(jù)等三大要素也日新月異。在智能化社會發(fā)展的前景下，只有數(shù)據(jù)能夠滿足AI算法訓練、成功感知復雜的交通場景，智能駕駛才能真正落地。今天我們看見，隨著政策驅(qū)動、頭部企業(yè)的大力推動，AI數(shù)據(jù)正在不斷深入融合產(chǎn)業(yè)化進程中，智能駕駛產(chǎn)業(yè)的商用正不斷成熟起來。