3. 标注任务类型总览

在自动驾驶自动标注与预标注平台中，标注任务类型决定了数据表达形式、模型输出结构、质检规则以及下游训练接口。不同任务并非简单的“画框”或“涂色”，而是对物理世界不同粒度、不同语义层级的结构化描述。理解这些任务的定义与边界，是设计预标注流水线和选择自动标注模型的前提。

核心原理：从像素到语义再到几何

自动驾驶感知数据主要来自摄像头、激光雷达和毫米波雷达。标注任务本质上是在这些数据上建立“可被模型学习”的监督信号。按照输出空间和语义粒度，可以划分为以下几类：

• 2D框：在图像平面内用矩形框标出目标，输出为 (x_min, y_min, x_max, y_max, class_id)。它不描述深度和朝向，适合远距离、小目标或作为3D框的投影辅助。
• 3D框：在自车坐标系或激光雷达坐标系中描述目标的三维位置、尺寸和朝向，通常输出 (x, y, z, l, w, h, yaw, class_id)。它是自动驾驶中最核心的标注类型，直接服务于轨迹预测和规划控制。
• 语义分割：对每个像素或点赋予类别标签，如道路、天空、建筑、植被、车辆、行人等。它不区分同一类别的不同个体，输出为密集类别图。
• 实例分割：在语义分割基础上区分同一类别的不同实例，输出为“类别+实例ID”的掩码，常用于可行驶区域内的车辆、行人精细分离。
• 关键点：标注目标的关键部位，如行人头部、肩、肘、腕、髋、膝、踝，或车辆的车灯、车轮、后视镜等。输出为有序点集，用于姿态估计和行为分析。
• 车道线：以折线或曲线形式描述车道边界、车道中心线、导流线等，输出为点序列或多项式参数，并附带线型、颜色、是否可跨越等属性。
• 可行驶区域：描述车辆可以安全行驶的区域，通常以多边形或掩码表示，区分“可行驶”“不可行驶”“未知”三类，是规划模块的重要输入。

任务关系与数据流

这些任务并非孤立存在。2D框常作为3D框在图像上的投影校验；语义分割和实例分割共享像素级标注工具；车道线和可行驶区域共同构成道路结构理解；关键点则常与2D框或3D框联合标注。下图展示了各任务在感知数据上的空间关系与典型输出形式：

方法流程：从任务定义到标注执行

在平台工程中，一个标注任务从定义到交付通常经历以下步骤：

1. 任务定义：明确标注类型、类别体系、属性字段、坐标系和输出格式。例如3D框需要定义自车坐标系原点、朝向角范围、遮挡等级。
2. 数据准备：抽取关键帧、同步多传感器数据、生成点云与图像的对齐关系。
3. 预标注：调用自动标注模型生成初始结果，如3D检测模型输出3D框，分割模型输出掩码，车道线模型输出折线。
4. 人工修正：标注员在工具中调整框、点、线、掩码，处理模型漏检和误检。
5. 质检与验收：按任务类型设置不同质检规则，如3D框检查尺寸合理性、车道线检查连续性、可行驶区域检查闭合性。
6. 格式导出：转换为训练框架所需格式，如KITTI、COCO、nuScenes或自定义JSON。

{
  "type": "3d_box",
  "class": "car",
  "center": [12.4, -1.8, 0.9],
  "size": [4.6, 1.9, 1.5],
  "yaw": 1.57,
  "occlusion": "partial",
  "truncation": 0.0,
  "sensor": "lidar_top"
}

案例/场景：城市路口多任务联合标注

以城市十字路口为例，同一帧数据可能同时包含以下标注任务：

误区与复盘