一家自動駕駛技術公司
五個月內交付 10 萬張魚眼圖像及約 800 萬條標註,支持自動泊車
發佈日期 2026年9月8日
概覽
| 所屬行業 | 自動駕駛 | 自動泊車及低速操控算法 |
|---|---|---|
| 客戶 | 自動駕駛技術公司 | 根據本次合作的保密條款不予披露 |
| 項目規模 | 10 萬張圖像 | 覆蓋各類泊車環境的魚眼攝像頭採集畫面 |
| 標註量 | 約 800 萬條標註 | 平均每張圖像約 80 條標註,由已交付總量推算得出 |
| 物體類別 | 60 多個 | 行人、車輛、交通標誌、信號燈、車道標線 |
| 工期 | 5 個月 | 從項目啟動到完成交付 |
| 吞吐量 | 約 20,000 張圖像 / 月 | 推算所得:10 萬張圖像 ÷ 5 個月 |
| 團隊組建速度 | 40 名標註人員,3 周完成 | 完成招募、培訓並投入生產 |
| 場景劃分 | 室內與室外 | 專業化團隊分開配置,而非合併為一個團隊 |
| 方法 | 預識別加人工核驗 | 自主平臺完成預標註;每一條標註均經人工核驗 |
| 狀態 | 已交付 | 約定範圍已全部驗收 |
這是一份 Lifewood Data Technology 關於自動駕駛的案例研究——一個為一家自動駕駛技術公司、覆蓋未披露交付的項目。 五個月內交付 10 萬張魚眼圖像及約 800 萬條標註,支持自動泊車
魚眼畸變,破壞了普通標註所依賴的幾何基礎
一家自動駕駛技術公司,需要為其自動泊車算法準備一份訓練數據集,覆蓋車輛將會遇到的全部泊車環境中的 60 多個物體類別。泊車場景,恰恰是感知任務中最困難、而非最簡單的一環。間隙淨空以釐米為單位測量,行人常常在近距離、且被遮擋物遮擋的情況下出現,多層建築結構會屏蔽衛星定位信號,光照條件也會在同一次操作過程中,從陽光直射瞬間切換到鈉燈照明的地下室。魚眼光學鏡頭,正是讓這項標註工作與眾不同的根本原因。魚眼鏡頭以畫面產生徑向畸變為代價,換來了近距離操控所需要的廣闊視野:直線會發生彎曲,圖像空間中畫出的一個矩形,並不對應現實世界中的一個矩形。一位只在前視道路畫面上訓練出來的標註人員,畫出的邊界框看起來是對的,實際在幾何上卻是錯的,而且這種誤差會隨著靠近畫面邊緣而不斷放大——而畫面邊緣,恰恰正是泊車場景中真正重要的障礙物出現的地方。類別粒度進一步加劇了這一難題。六十多個類別,涵蓋行人、車輛、交通標誌、信號燈及車道標線,意味著這份規格文檔長到足以讓"標註人員之間的一致性"、而非"個人技能水平",成為真正制約項目的因素。
預識別加強制人工核驗,室內與室外團隊分開配置
Lifewood 在一套自主研發的標註平臺上運行這個項目,將自動化預識別與人工核驗相結合,並按場景而非籠統地劃分工作團隊。整套方法分為四個步驟。一、預識別作為第一道工序,而絕非最終產出。平臺會對每一幀進行預標註,標註人員的工作是核驗並糾正,而非從零開始繪製。這正是能夠以可行的單位成本完成 800 萬條標註的關鍵,而每一條標註仍需經過人工審核的原因在於:預識別的表現,恰恰在魚眼畸變最嚴重的地方衰減得最明顯。二、室內與室外團隊分開配置。地下室及多層停車場,與露天停車場,在光照、障礙物特徵及畸變表現上截然不同。專業化團隊能夠更好地把握一份較窄的規格,而不是籠統地應付一份寬泛的規格。三、一支 40 人的團隊,在三週內完成招募與培訓。團隊組建被當作交付工作的一部分來對待,而非一項前置條件——這正是讓五個月的總工期得以實現的關鍵。四、依據 60 多個類別的規格進行人工核驗。核驗既覆蓋幾何準確性,也覆蓋類別歸屬,因為一個幾何位置畫得正確、但類別歸錯的邊界框,依然是一次標註錯誤。這個項目的成本降低,來自預識別這一步驟,而非削減審核覆蓋範圍——這一區別很重要,因為削減審核,是供應商壓低報價的常見手段,而這恰恰是日後會在模型表現中顯現出來的那種手段。
五個月內交付全部範圍,平均每張圖像約 80 條標註
這個項目交付了 10 萬張已標註的魚眼圖像,攜帶約 800 萬條標註,覆蓋 60 多個物體類別,歷時五個月完成。這意味著平均每張圖像約 80 條標註,整個項目期間維持了約每月 2 萬張圖像的持續產能——兩項數據均來自已交付總量推算,而非分別單獨測算的結果。團隊組建速度,是與數據量並列、同樣值得關注的數字。40 名訓練有素的標註人員在三週內投入生產,正是讓如此高密度的數據集能夠在五個月內完成的關鍵;如果一個項目團隊組建需要兩個月,同樣的工作範圍就需要七個月才能完成。
Lifewood 相關服務
經核實的成果
| 指標 | 數值 | 基線 | 衡量方式 |
|---|---|---|---|
| 已交付圖像 | 10 萬張 | 約定範圍已全部完成 | 已驗收交付 |
| 已交付標註 | 約 800 萬條 | 平均每張約 80 條,由已交付總量推算 | 平臺標註計數 |
| 物體類別 | 60 多個 | 行人、車輛、標誌、信號燈、車道標線 | 客戶標註規格 |
| 工期 | 5 個月 | 從項目啟動到完成交付 | 交付記錄 |
| 持續吞吐量 | 約 20,000 張圖像 / 月 | 推算所得:10 萬 ÷ 5 個月 | 由已交付總量推算 |
| 團隊組建速度 | 40 名標註人員,3 周完成 | 團隊組建在交付週期之內完成,而非之前 | 招募及培訓記錄 |
| 核驗覆蓋率 | 每一條標註 | 預識別產出從未在未經核驗的情況下交付 | 人工核驗環節 |
方法與核實。 本頁數據由 Lifewood 自行披露。圖像數量、標註數量、類別覆蓋範圍、團隊規模及工期,均為實際交付數據。單圖標註密度及月度吞吐量數據,是由這些實際數據通過除法推算得出,已標註為"推算值",而非作為單獨測算的結果呈現。平臺預識別產出的每一條標註,均經過人工核驗環節;預識別產出從未在未經核驗的情況下交付。本頁未公開已交付準確率,因為尚未就驗證測算依據達成一致。根據本次合作的保密條款,本頁不披露客戶名稱。
關於這個項目的常見問題
在 Lifewood 的魚眼泊車項目中,難點在於徑向畸變——圖像空間中畫出的一個矩形,並不對應現實世界中的一個矩形,而且這種誤差會隨著靠近畫面邊緣(泊車障礙物出現的地方)而不斷放大。
在這個自動泊車項目中,Lifewood 僅將平臺預識別用作第一道工序;每一條標註隨後都會經過人工核驗環節,因為預識別的表現恰恰在魚眼畸變最嚴重的地方衰減得最明顯。
Lifewood 按場景劃分泊車標註團隊,因為地下室、多層建築及露天環境,在光照、障礙物特徵及畸變表現上各不相同,而專業化團隊能夠更好地把握一份較窄的規格,勝過籠統團隊應付一份寬泛的規格。
在這個項目中,Lifewood 在三週內完成了一支 40 人魚眼標註團隊的招募與培訓,並將其納入五個月交付週期之內,而非在此之前完成。