1. 课程导入

自动驾驶系统的能力上限，很大程度上由数据闭环的质量决定。感知模型要识别车辆、行人、锥桶、车道线、交通标志、可行驶区域，预测模型要理解轨迹意图，规划控制要依赖语义地图与场景约束——这些环节都离不开高质量标注数据。行业里常说的“算法决定下限，数据决定上限”，并不是一句口号，而是研发节奏的真实写照：一个感知模型从 80 分提升到 90 分，往往需要数百万帧精标数据、数十轮难例挖掘与反复回归验证。

传统人工标注模式正在遭遇三重压力。第一是规模压力：L4 级测试车队每天可产生数 TB 级传感器数据，纯人工标注无法跟上采集速度。第二是成本压力：3D 点云框、多传感器联合标定、时序跟踪等任务单价高、培训周期长。第三是一致性压力：不同标注员对“截断目标是否标注”“遮挡比例阈值”理解不同，导致模型学到噪声。自动标注与预标注平台因此成为数据工程的核心基础设施：先用模型生成候选结果，再由人工审核修正，把标注效率提升数倍，同时通过规则引擎和质检流程保证一致性。

核心概念：自动标注、预标注与数据闭环

自动标注（Auto Labeling）通常指利用已有模型对未标注数据直接生成标签，经过置信度过滤、时序融合、几何校验后入库。预标注（Pre-annotation）则更强调“人机协同”：模型先给出初始结果，标注员在此基础上修改，平台记录修改轨迹用于后续模型迭代。两者边界在实际工程中常常重叠，但目标一致——降低单位标注成本，提高标签吞吐量。

数据闭环是更高层的概念：车端采集 → 数据回传 → 难例挖掘 → 自动预标注 → 人工审核 → 训练 → 模型评估 → 部署上车 → 再采集。闭环的关键指标包括标注吞吐量、单帧成本、标签一致率、模型回归通过率。平台工程要解决的不是单点算法，而是让这条链路可观测、可重试、可扩展。

方法流程：从原始数据到可用标签

一个可落地的自动预标注流水线通常包含六个阶段。第一阶段是数据接入与清洗，剔除坏帧、时间戳错乱、标定漂移的数据。第二阶段是场景检索与难例挖掘，按天气、光照、道路类型、目标密度等维度筛选高价值片段。第三阶段是模型推理，对图像做 2D 检测/分割，对点云做 3D 检测，对多帧做跟踪。第四阶段是后处理与融合，包括置信度过滤、非极大值抑制、跨传感器投影校验、时序平滑。第五阶段是人工审核与修正，标注员在工具中接受或调整预标注结果。第六阶段是质检与入库，按规则抽检、计算一致率、生成版本化数据集。

下面是一段典型的预标注任务配置示例，用于描述输入数据、模型与后处理参数：

task:
  name: prelabel_city_night_v3
  input:
    dataset: s3://av-data/city_night/2024-06
    sensors: [camera_front, lidar_top]
  models:
    - name: detector_3d
      version: v2.7.1
      conf_threshold: 0.35
    - name: segment_lane
      version: v1.4.0
      conf_threshold: 0.50
  postprocess:
    nms_iou: 0.55
    temporal_smooth: true
    projection_check: true
  output:
    format: av-label-json
    review_required: true

案例场景：城市夜间场景的预标注提效

某团队在城市夜间场景中，纯人工标注 3D 框的平均耗时为每帧 95 秒，且截断车辆与骑行者漏标率较高。引入预标注后，模型先输出候选 3D 框，标注员只需修正约 30% 的框，平均耗时降至 38 秒，吞吐量提升约 2.5 倍。更关键的是，平台记录了“模型错、人工改”的样本，回流训练后下一版模型在夜间骑行者上的召回率提升了 6.8 个百分点。这个案例说明：预标注的收益不仅是省时间，更是把人工修正转化为可学习的监督信号。

常见误区与复盘要点

• 误区一：把自动标注当成全自动。 没有人工审核的自动标签会放大模型偏差，尤其在长尾场景中可能引入系统性错误。
• 误区二：只看效率不看一致性。 如果标注规则不统一，吞吐量越高，噪声入库越快，模型回归越难定位。
• 误区三：忽略版本与血缘。 标签版本、模型版本、数据切片必须可追溯，否则无法复现实验结论。
• 复盘要点： 建立“预标注接受率、人工修正率、质检驳回率、单帧成本”四个核心指标，按场景维度持续监控。

课程框架与学习目标

本课程共 30 章，围绕“平台工程”展开，而不是只讲某个标注工具的操作。整体分为五个模块：数据与标注基础、自动预标注流水线、平台架构与工程实现、质量与效率治理、行业案例与演进趋势。学完后，你应当能够设计一条可运行的预标注流水线，定义标注规范与质检规则，评估自动标注的收益与风险，并能用工程指标向团队说明平台价值。

自动驾驶数据标注正在从劳动密集型走向工程密集型。理解自动标注与预标注的边界、掌握数据闭环的指标、建立平台化思维，是后续 29 章内容的基础。接下来将从数据与标注基础开始，逐步拆解这条流水线的每一个关键环节。