自动驾驶数据标注能力
基于客户需求对海量原始数据进行框选、提取、分类等一系列处理，将混杂数据转化为机器学习可识别的智能驾驶专业数据，帮助驾驶技术更好的感知实际道路、车辆位置和障碍物信息、疲劳检测等，实时感知在途风险，实现智能行车、自动泊车等预定目标。
标注类别包含：3D雷达点云、track id、freespace（可行驶区域、边界线、分割）、人体（拉框、标点、ofo）、车辆（拉框、3D标点）、车道线（车道线、边缘线）、交通标志（牌、灯）、人脸（特征点、眼睑线）等八大类。
一、3D雷达点云
3D雷达点云标注的主要工作内容是标注出雷达图中的所有可移动物体，具体细分为小轿车、卡车、重型车、两轮车、行人等十一大类别，用3D框的形式框选出图内每一个目标物体。
二、Track id
车辆track id 工作内容是对图片中，车辆/行人/两轮车，进行标注在track时需要保证同一辆车ID值保存一致，直到同一个ID消失为止。
三、Freespace
1.可行驶区域
可行驶区域标注的主要内容是，根据标注顺序进行标注，画出图中的可行驶区域（当前车辆所在的状态下可以安全行驶到达的区域）、无效视野、车辆本体、障碍物、停车杆、忽略区、行人和减速带。
2.拼接图地面标志分割
拼接图地面标志分割标注内容是在环视拼接图中将车位线、车道线、箭头、斑马线、物理减速带、禁停区、地标等用不同的颜色的线围成贴合封闭的多边形。
四、人体
1.人体拉框
人体拉框标注的工作内容，主要是对图片中的行人进行拉框，具体分为两种属性，正常框（无遮挡及遮挡小于百分之八十）和忽略框（小于标尺及遮挡大雨百分之八十），通过框的属性进行测试模型。
2.人体标点
人体标点标注工作内容是对图片中行人进行标点，通过标注点进行人体识别。
五、车辆
1.车辆拉框
车辆拉框的工作内容是对图片中的车辆进行拉框，具体分为三种属性：正常框（无遮挡）、脑补框（部分遮挡）、忽略框（小于标尺），通过框的属性进行测试模型。
六、车道线
1.车道线
车道线标注的主要工作内容是，区分路面上车道线的类型，并标注对应的属性，或对图中已有的错误标注结果（车道线）进行修改。
七、交通标志
1.交通牌拉框
交通标志拉框的标注主要内容是，对图中所有的交通标志牌进行标注（背面的交通标志牌不标注），属性主要分为三大类，分别是有效框（矩形、圆形、上三角、下三角、广义、多边形）、忽略框和组合连线，通过这些不同的属性来识别交通标志牌的类型。
2.交通灯拉框
交通灯拉框标注的主要内容是，对图中的全部交通灯进行拉框标注（背面的交通灯不标注），属性主要分为两大类：外灯框（单灯框、多灯框、灭灯框、忽略框）和灯芯框（红灯、黄灯、绿灯），通过框的属性进行识别交通灯的状态。
八、人脸
人脸关键点标注工作内容是，对图片中人脸进行标点，主要标注分为1、眼睛 2、鼻子 3、嘴巴，进行人脸识别。
2.人脸眼睑线
人脸眼睑画线标注内容是对图片中框内人脸上下眼睑分别进行画线，来测试开车时眼睛是否因困乏而闭眼造成事故。
更多数据：https://www.datatang.com/dataset/all/1