自动驾驶汽车依赖于输入的高质量训练数据来做出驾驶决策，数据质量越高，车辆做出的决策就越准确，车辆也就越安全。与2D图像数据相比，3D点云数据中包含目标的距离、角度、速度等信息，不依靠于外界光照条件或目标本身的辐射特性，同时使用2D图像和3D图像数据可以更好的感知汽车周边的道路环境，为感知系统提供决策依据。
数据标注是人工智能算法得以有效运营的关键环节，想要实现人工智能就要先让计算机学会理解并具备判断事物的能力，想要进一步提高3D点云标注的精确度，就需要大量精准的标注数据做支撑。
一、整体要求
对激光雷达和毫米波雷达采集的马路场景3d点云数据进行信息标注。
二、标注要求
1. 标注类型
2. 标注框大小
目标本身须全部被3D框包围，不漏点且不包含噪点。
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。
若目标物体因扫描不全而导致点云缺失，需脑补缺失面边界，可按照以下数值标注：
行人若带有背包、雨伞等物件，行人的3D框需包含这些小物件。
行人距离过近时，行人框可能有一定程度的重叠，可正常标注。
要注意三视图是否贴合；注意正前方方向是否正确。
3. 标注位置
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。
若目标物体距离过远导致目标所在区域点云稀少、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。
4. 标注方向
点云框要按照车辆行驶方向标注。
5. 标注范围
100m半径范围。
6. 属性ID
场景中同一车辆、障碍物、行人多次出现时其属性ID 要保持一致。
7. 特殊场景
若出现一些特殊⻋辆时，如扫水车、水泥罐⻋等，需要按照最大外接立方体的形状去标注出3D框。
若出现一辆⻋分成多个部分的情况，比如拖挂多节的卡⻋、多截的公交⻋等，需要将每一节⻋体分别标注3D框。
仅标注确定位置和形状的物体，通过图像和点云都无法判定的障碍物无需框注。
若目标为行人推自行⻋、推购物⻋、推婴儿⻋等场景时，行人与⻋应分别拉框标注。
三、验收标准
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。
景联文科技
为全球数千家人工智能从业公司和高校科研机构提供AI数据采集、数据标注、数据集产品、标注平台定制开发、假指纹采集和指纹防伪算法服务。景联文始终践行“做全球AI行业客户的数据参谋”的企业使命，助力人工智能技术加速数字经济相关产业质量变革、动力变革与效率变革，赋能传统产业智能化转型升级。
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/70025739/viewspace-2933219/ ，如需转载，请注明出处，否则将追究法律责任。
