3. 标注任务类型

在2D与3D感知数据标注质检工程中，标注任务类型决定了质检的对象形态、判定规则与验收指标。不同任务对“正确”的定义差异极大：分类关注整图语义，检测关注目标框的位置与类别，分割关注像素级边界，关键点关注点序与可见性，3D框关注空间位姿与尺寸，车道线和可行驶区域则关注连续几何与拓扑关系。理解这些差异，是制定质检策略的前提。

一、常见标注任务的核心对象与质检关注点

从2D到3D，常见标注任务可以按“输出形态”分为六类：图像级标签、矩形框、像素掩码、点集、三维框、连续区域或曲线。每一类在质检时都有专属的检查项。

二、从2D到3D的任务关系与质检链路

这些任务并非孤立存在。检测框常作为分割和关键点的初始化先验；3D框需要与2D投影框、点云和相机内外参保持一致；车道线和可行驶区域则依赖连续帧的时序一致性。质检时，必须把单帧标注放回“传感器—坐标系—任务定义—下游模型”的链路中判断。

三、方法流程：按任务类型建立质检规则

质检工程的第一步不是打开标注文件，而是把任务定义翻译成可执行的检查规则。以下流程适用于大多数感知标注项目：

1. 明确任务边界：确认是单帧还是时序、是2D还是3D、是否要求属性标注、是否包含遮挡与截断标签。
2. 建立类别与属性字典：分类和检测任务必须锁定类别ID、颜色映射、属性枚举值，避免版本漂移。
3. 定义几何容差：检测框允许的IoU阈值、分割边界允许的像素偏差、关键点允许的坐标误差、3D框允许的尺寸与朝向误差。
4. 编写自动检查脚本：对空标注、越界框、重复框、掩码孔洞、点序颠倒、3D框尺寸异常、车道线断点等进行批量扫描。
5. 人工抽检与复核：自动检查通过后，按任务难度分层抽检，重点检查遮挡、截断、小目标和边界模糊区域。
6. 返修与回归：将缺陷分类回传标注端，修复后重新跑自动检查，形成闭环。

# 质检规则配置示例（YAML 片段）
task: detection_2d
classes: [car, pedestrian, cyclist, truck]
checks:
  bbox:
    min_width: 4
    min_height: 4
    max_area_ratio: 0.95
    iou_duplicate_threshold: 0.85
  attributes:
    truncation: [none, partial, heavy]
    occlusion: [none, partial, heavy]
  ignore_regions:
    - outside_image
    - ego_vehicle

task: lane_line
checks:
  continuity:
    max_gap_px: 30
  topology:
    allow_branch: false
    require_connection_to_prev_frame: true

四、案例与场景：同一帧图像中的多任务质检

假设一帧城市道路图像同时包含检测、车道线和可行驶区域标注。质检时不能只看单个任务是否“画完”，而要检查任务间的一致性：检测框中的车辆是否落在可行驶区域内；车道线是否与可行驶区域边界冲突；被遮挡的车道线是否按规范进行了推断；可行驶区域是否错误地覆盖了人行道或路缘石。

在3D标注场景中，质检还要检查3D框与2D投影框的对应关系。若3D框投影到图像后与2D检测框严重偏离，通常意味着外参、朝向角或中心点存在错误。此时应优先核对标定参数和坐标系定义，而不是直接修改框。

五、误区与复盘

• 误区一：所有任务都用IoU衡量。分类没有框，关键点没有面积，车道线是折线，IoU并不适用。应针对任务选择距离、角度、拓扑或像素误差指标。
• 误区二：忽略遮挡与截断标签。检测和3D框任务中，遮挡和截断直接影响框的贴合标准。若规范未定义，质检员与标注员会产生大量争议。
• 误区三：只查单帧，不查时序。车道线和可行驶区域在连续帧中应保持平滑。单帧看起来正确，跳变帧却会导致下游模型不稳定。
• 误区四：把标注工具默认值当作规范。不同工具对点序、朝向、坐标原点的默认定义不同，必须显式写入质检规范。

综上，分类、检测、分割、关键点、3D框、车道线和可行驶区域等任务，虽然都叫“标注”，但质检对象、容差和判定逻辑完全不同。只有先识别任务类型，再建立对应的检查规则和闭环流程，才能把质检从“人工看图”升级为可量化、可复现、可回归的工程能力。