共计 2039 个字符，预计需要花费 6 分钟才能阅读完成。
目前，主动驾驶支流算法模型次要以有监督的深度学习形式为主，是基于已知变量和因变量推导函数关系的算法模型，须要大量的结构化标注数据对模型进行训练与调优。
主动驾驶畛域常见的标注类型通常包含 2D 框、3D 立方体、多边形、图像语义宰割、视频标注、3D 激光点云标注等，其中图像语义宰割是利用较为宽泛的一种标注类型。
从概念上来看，图像语义宰割属于人工智能计算机视觉畛域的一个重要分支，它联合了图像分类、指标检测和图像宰割等技术，次要针对图像进行像素级的分类。
语义宰割的后果是将图像变成带有肯定语义信息的色块。语义宰割技术能够辨认出每个色块的语义类别，并给每个像素都标注上其对应的标签，从而实现从底层到高层的语义推理过程，最终失去一张具备各个像素语义标注信息的宰割图像。
这些通过标注后的语义宰割图像，能够用于主动驾驶外围算法训练。主动驾驶汽车在行驶的过程中，车载摄像头，或者激光雷达探查到图像后输出到神经网络中，后盾经过训练的算法模型就能够主动将图像宰割归类，以实现避让行人与车辆等阻碍。
目前，主动驾驶图像语义宰割畛域，罕用的标注对象次要有以下品种 (所有标注对象均通过标注解决，图片起源：曼孚科技 SEED 数据服务平台)：
01. 路线可行驶区域
阐明：路线可行驶区域通常指汽车可行驶区域。当存在路缘石时，路线可行驶区域为路缘石之间局部; 当不存在路缘石时，以柏油或其余路面笼罩区域为准。
路线可行驶区域
02. 栏杆 / 隔离栏 / 石墩
阐明：位于路线两侧，次要包含栏杆、隔离栏、石墩等隔离物，但不含因路线施工设置的长期路障。
栏杆
03. 杆状物 (竖直局部)
阐明：只须要标注杆状物的竖直局部，杆状物上的其余局部不予标注。通常包含：路牌杆、路灯杆、交通灯杆等。
杆状物
04. 路边修建
阐明：路线两侧建筑物，包含高层建筑与底层修建等各类人造修建物体。
路边修建
05. 绿化植被
阐明：位于路线两侧或者路线隔离地带的绿化植被。通常包含绿化带、草地、树木等。
绿化植被
06. 轿车 (小型车辆)
阐明：行驶在路线中或者停在路边的用于载送人员及其随身物品，且座位安排在两轴之间的汽车。
轿车
07. 货车 (大型车辆)
阐明：行驶在路线中或者停在路边用于运送货物的车辆，或者用于牵引其余车辆的汽车。
货车
08. 其余机动车
阐明：轿车、货车以外的其余机动车辆，包含公交车、无轨电车、摩托车、机动三轮车等，但不蕴含任何在轨道上运行的车辆。
其余机动车
09. 行人
阐明：次要为步行的人。位于汽车外部，比方轿车、公交车内的人以及骑摩托车、骑自行车的人无需标注。
行人
10. 非机动车
阐明：非机动车，包含自行车、畜力车等。驾驶非机动车的驾驶员与非机动车一起，算作一个标注对象。
非机动车
11. 红色实线
阐明：车道分界线的一种，用于分隔同向车道，不可变更车道。通常施划在交叉路口的交通灯前。
红色实线
12. 单黄实线
阐明：车道分界线的一种，单黄实线禁止单方向车辆越线或压线行驶。单黄实线个别施划于单方向只有一条车道或一条机动车道和一条非机动车道路线、有其余危险须要禁止超车的路段。
单黄实线
13. 黄色虚线
阐明：车道分界线的一种，由间断距离黄色车道线形成，能够在适当的时候进行超车或者掉头转弯等动作。
黄色虚线
14. 黄色虚实线
阐明：黄色虚实线通常施划在桥梁前后及容许掉头的路段。黄色实线一侧禁止车辆越线或压线行驶，虚线一侧准许车辆临时越线或转弯。
黄色虚实线
15. 红色虚线
阐明：车道分界线的一种，用于划分同向车道中的不同车道，可逾越超车。
红色虚线
16. 黄色禁止停车线
阐明：当单黄实线被施划在路线一侧边上时，其身份便转变为“禁止停车标线”，示意在该路段禁止任何车辆停放。
黄色禁止停车线
17. 导流线
阐明：通常呈现在具备简单行驶条件的路口、匝道、掉头车道等地位，其作用是疏导车辆按规定路线行驶。
导流线
18. 禁停网格线
阐明：施划于易产生因长期停车造成梗塞的交叉路口、重要单位出入口及其他须要设置的路口等。
禁停网格线
19. 人行道
阐明：一般人行横道，宰割时以每根白线的边界进行宰割标注，不以人行横道的整体边界进行标注。
人行道
20. 路线箭头
阐明：路线上用于批示前进方向的箭头，通常包含直行、转弯、掉头箭头等。
路线箭头
21. 减速带
阐明：装置在公路上使通过的车辆加速的交通设施。
减速带
22. 路灯
阐明：位于路线两侧或者路线隔离地带的路灯，只须要标注路灯杆的路灯局部即可。
路灯
23. 红绿灯
阐明：红绿灯的交通灯局部。
红绿灯
24. 天空
阐明：天空局部。
天空
以上内容即为主动驾驶图像语义宰割常见的标注类型。在具体的标注我的项目内，同时还须要留神以下几点：
1. 以上标注样例仅供参考，主动驾驶标注场景下，具体标注形式须要根据标注需要来确定;
2. 在全景图像语义宰割模式下，一张图像内的所有标注对象均须要通过标注解决，不能存在空白未标注的区域。
具体可参考以下例子：
这是一张尚未通过标注解决的图像：
这是通过全景语义宰割解决后的图像：
通过语义宰割解决后的图像即可用于主动驾驶畛域相干算法模型的训练，为主动驾驶早日实现落地利用削减新一份助力。
