检测与定位
定位图像帧和 3D 场景中的对象。
- 2D 边界框
- 定位图像和视频帧中的对象。
- 3D 立方框
- 捕获点云场景中的位置、尺寸和朝向。
MCAP 与 ROS 数据
LiDAR 与点云
多摄像头视频
遥测与轨迹
面向 Physical AI 训练的输出
选择训练闭环所需的输出。
选择已上线的基础标注类型，再根据模型任务配置类别、属性、标注范围和审核路径。
分割
在相机和点云数据中创建类别或对象区域。
- 图像掩码
- 在相机数据中创建像素级类别或对象边界。
- 点云分割
- 为 3D 场景中的点分配语义类别。
场景几何
描绘任务定义的边界与序列几何。
- 多边形与折线
- 描绘车道、路缘、区域及其他任务定义的几何。
- 序列折线
- 在支持的序列中保持与帧关联的 3D 折线几何。
跟踪与分类
在支持的序列中保持对象身份和属性一致。
- 跟踪对象
- 在支持的序列帧中保持对象身份一致。
- 分类
- 添加帧级、对象级或轨迹级标签与属性。
定义任务
从模型决策开始。
训练目标决定真值的表达方式，而非相反。规模化生产前，先根据传感器、边缘场景和交付约定定义输出。
在工作流支持的情况下，保持相机、LiDAR、坐标变换和序列上下文可见。
生产前确定类别规则、几何、属性以及帧级或序列级范围。
发布前，让输出经过人工审核和验收状态；在任务支持时加入任务专项共识分析。
贯通的真值
为标注后的闭环而构建。
真值经过审核并进入版本化的训练数据工作流后，才能持续产生价值。
保留场景上下文
让相机、LiDAR、遥测和数据集上下文始终与标注任务相连。
设置质量门槛
采用人工审核、归属记录和验收状态；在任务支持时加入任务专项共识分析。
发布训练数据
将已批准的输出写入版本化数据集工作流，用于后续导出和模型任务。
确定工作范围
带来一个棘手场景。
我们会将训练目标映射到真值几何、工作流与交付约定。