关于无人汽车的未来畅想，TA能让智能驾驶少走弯路

引言：开车不如等车自己安全上路。

有分析机构预测，相比2019年的33万辆+和2018年的13万辆+。至2023年，全球自动驾驶汽车净增量将达到74万辆+，这些数字不代表销量而是自动驾驶汽车数量的变化。尽管自动驾驶汽车数量不断增加，近年来也听闻有相当于人类N年驾龄的无人汽车推出，但我心知肚明，这些车辆的自动驾驶能力仍然有限，需要在人工监督下运行和逐渐完善。

我能等到的自动驾驶汽车时代

国际自动机工程师学会（简称SAE）将自动驾驶分为六个等级，L0是人工驾驶，然后L1-5依次是辅助驾驶、部分自动驾驶，条件自动驾驶，高度自动驾驶，完全自动驾驶。我现在能等到普及的至少应该是L3级条件自动驾驶的实际部署。

智能驾驶是指汽车通过搭载先行的传感器、控制器、执行器、通讯模块等设备实 现协助驾驶员对车辆的操控，甚至完全代替驾驶员实现无人驾驶的功能。而数据、算法和算力，不仅是AI发展的三大要素，也是推动自动驾驶前行的原力。

算法开发人员的任务是创建高性能且强大的算法，构建可以在任何情况下准确检测到其他车辆、行人以及交通标志等静态和移动物体的“框架”。为了使算法有效运行，告诉机器什么是车辆、行人、交通标注等物体，就需要精准的AI数据对算法进行训练。

随着AI所需的训练数据要求复杂度逐渐提升，AI数据开始形成标准，数据质量、行业知识以及场景丰富度都会对AI应用的落地造成影响，数据标注产业走向更加专业的领域。

云测数据发布智能驾驶领域AI训练数据解决方案

日前，2020亚太新经济大会上，AI数据标注行业头部企业云测数据正式对外公开了智能驾驶领域AI训练数据解决方案，在AI数据质量的导向下实现更优的品控和更快的数据交付，可助力智能驾驶产业平稳落地。这是云测数据在中国国际服务贸易交易会上进行“项目最高交付精确度达99.99%成果发布”之后，又一大行业里程碑事件。

云测数据总经理贾宇航介绍称，其智能驾驶AI数据服务解决方案覆盖了从采集到标注的全链条数据处理过程，并将场景数据针对性的分为车内智能驾舱和车外车外智能驾驶应用场景。车内智能驾舱场景包括如动作识别、语音控制、疲劳检测、情绪检测，手势交互等。

车外应用场景则主要为环境感知，通过高质量AI数据去高效率高精度的感知到周遭物体、交通情况来辅助驾驶，快速做出反应和决策。

而上述这些只是智能驾驶中涉及到摄像头的数据，多为图片类数据的标注。由于对安全的严苛要求，当前的智能驾驶所需数据需求，正向着多模态的方向发展。所谓多模态，即是对多维时间、空间、环境数据的感知与融合。

在汽车的感知部分不仅只有摄像头，还有激光雷达、毫米波雷达、超声波雷达等多种方式共同组成，而这些感知方式都需要对应的数据标注。结合智能驾驶AI数据服务解决方案的出现，高质量的AI数据再也不是难事。

以激光雷达的3D点云数据处理能力为例。在标注工具方面，云测数据自研了一套可以支持图片、语音、文本等多品类的标注平台，可满足业内图片通用拉框、车道线、DMS、3D点云、2D/3D融合、全景语义分割等标注类型，支持自动驾驶、智能驾舱、自动泊车等场景数据标注。

值得一提的是云测数据的三维标注工具，尤其是3D点云的标注工具，通过渲染引擎等方面的优化，可保证整个过程的流畅和快捷。对雷达成像的图像中的机动车、障碍物、行人等多目标进行3D标注，也是业内率先实现2D、3D融合标注的平台之一。在数据质量的导向下实现更优的品控和更快的数据交付，当属业内领先。为自动驾驶企业高效快速的提供训练数据。

总结

在数据隐私安全方面，云测数据也没有含糊，设置了一系列严格措施。核心原则就是数据绝不复用，当数据合格交付后绝不留底，并且所有和云测数据进行数据采集的用户都会签订数据授权协议，从来源上确保企业用于训练的数据合法合规。

未来，国内将有更多数据转化为训练数据，伴随日益竞争激烈的AI产品环境，行业对AI数据的质量要求将逐渐升高，期待云测数据在智慧城市、智能家居、智慧金融、新零售等领域带来更多的AI数据训练解决方案，助力更多智能化应用场景落地，加速科技未来的到来。

未经允许不得转载：DOIT » 关于无人汽车的未来畅想，TA能让智能驾驶少走弯路