共计 1388 个字符，预计需要花费 4 分钟才能阅读完成。
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。
在此基础上，想要让主动驾驶汽车更加“智能”、主动驾驶利用能够在不同垂直落地场景中造成可复制循环的商业模式闭环，背地就须要有海量且高质量的实在路线数据做撑持。
无论是在环境感知、精准定位、决策布局、管制与执行、高精地图与车联网 V2X 等畛域的外围算法训练方面，还是在主动驾驶 AI 数据中台基础设施构建方面，曼孚科技主动驾驶数据解决方案均能够提供齐备的数据服务能力，助力主动驾驶技术开释更多潜能。
一. 数据标注解决方案
在主动驾驶畛域，数据标注解决的场景通常包含换道超车、通过路口、无红绿灯管制的无爱护左转、右转，以及一些简单的长尾场景诸如闯红灯车辆、横穿马路的行人、路边违章停泊的车辆等。
SEED 数据服务平台能够无效解决多场景、不同类型的非结构化数据集。
1. 行人、车辆 2D 框
在主动驾驶场景中，物体检测技术能够无效帮忙车辆辨认、检测四周物体，为驾驶零碎的判断决策做出重要撑持：
SEED 数据服务平台 AI 主动物体检测
2. 行人、车辆 3D 框
2D 图像中的伪 3D 框，能够在 2D 图像中标注出对象的平面空间数据：
SEED 数据服务平台 3D 框标注
3. 多段线
常见于车道线标注畛域：
SEED 数据服务平台多段线标注
4. 多边形
相较于 2D 框，多边形能够更准确地标注出对象的形态信息，帮忙主动驾驶零碎更精确地辨认周围环境内容：
SEED 数据服务平台 AI 图像宰割
5. 全景语义宰割
全景语义宰割在某种程度上能够了解为“多边形的合集”，语义宰割的后果是将图像变成带有肯定语义信息的色块并给每个像素都标注上其对应的标签：
SEED 数据服务平台语义宰割
6.ASR 语音转写
ASR 语音转写罕用于主动驾驶零碎中的语音助手畛域，帮助驾驶员更好地治理、管制车辆：
ASR 语音转写
7.3D 点云物体检测
相较于 2D 图像 3D 框标注，点云物体检测能够在 3D 点云图像中准确平面地描绘出物体的形态信息：
SEED 数据服务平台 3D 点云 AI 物体检测
8.3D 点云间断帧
点云间断帧标注场景下，2D 图像与 3D 点云数据一一映射，准确描绘出对象形态、静止轨迹等信息：
SEED 数据服务平台 3D 点云间断帧标注
二. 主动驾驶数据中台
随着主动驾驶在更多畛域实现商业化利用，无论从数据量的增长、数据处理技术的提高，还是站在主动驾驶企业数字化转型的角度，主动驾驶企业都须要从新构建业务支撑体系，造成对各前台业务强力的撑持，让前台的一线业务变得更麻利，也让全域数据实时在线，进步信息传递效率。
曼孚科技通过在主动驾驶企业外部搭建一体化整合式数据中台，让数据在平台与业务零碎之间造成良性的闭环网络，为企业数据服务与共享奠定坚实基础，助力数据开释更多价值。
其中，REAP 平台提供主动驾驶畛域非结构化数据的采集、存储、循环、预处理，以及数据版本治理等服务，SEED 平台提供主动驾驶畛域非构造数据结构化服务，以供主动驾驶算法模型训练应用，两者独特形成曼孚科技数据中台解决方案的外围。
此外，BAKE 平台还提供 AI 算法模型疾速训练、数据验证等服务，其与数据中台一起形成一个残缺的 AI 中台体系，造成一个自动化的、可持续性迭代的闭环循环。
目前，曼孚科技主动驾驶数据解决方案曾经在多个畛域实现落地利用，无效赋能主动驾驶需求方的数据处理能力，助力减速主动驾驶商业化落地过程。
