从BEV到端到端，谈谈自动驾驶数据闭环的核心~

点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近15个 方向 学习 路线 千万级4D标注方案应该怎么做？ 实际工作中， 自动驾驶的数据是非常重要的， 如何高效低成本的获得高质量的数据集成为了自动驾驶企业的核心竞争力。随着自动驾驶感知技术的不断发展， 对于标 注的要求也越来越高，很多标注任务也越来越难。 Camera/Lidar 联合标注、 3D OCC分割、环视Camera BEV、端到端标注... 如何向特斯拉那样，完成vector space 的 自动化标注，目前各家都在搭建自己的自动化真值系统。自动标注算法(auto-labeling)其实就是高精度的真值生成算法，可以不受车端的算力限制，并且可以用全时序 的数据来联合优化结果。因为是离线的，精度怎么高怎么来。 这么一套系统，除了可以做自动化的标注/预标注， 也有很多其他的作用， 例如可以挖掘corner case, 指 导车端模型训练等。总结来说，当下的自动标注重点关注时空一致性下的多任务标注： 动态障碍物标注、静态元素标注、通用障碍物OCC标注、端到端标注等等...... 和以往各感知任务单独标注不同，动静态障碍物、OCC ...