地图数据标注这活儿,外行看着简单,不就是画几个框、标几条线嘛。真干起来才知道,一条路上跑过去,采集回来的数据能让人头皮发麻。今天就把这条流水线拆开聊,从车开出去到数据入库,中间到底卡着哪些关键点。

先说采集。很多人以为采集就是开车转一圈,摄像头录着就完事了。实际上采集车的配置直接决定后期标注的天花板。相机安装角度偏一度,后期标车道线就得反复调;激光雷达标定不准,点云和图像对不齐,标注员标到崩溃。采集路线的规划也有讲究,同一个路口不同时段的光照条件、车流量差异都得覆盖到,晴天逆光、雨天反光、夜间弱光,这些场景不采全,模型上路就抓瞎。采集员还得盯着设备状态,存储满了、相机掉线、GPS信号漂移,任何一个环节出问题,回来就是一整天的数据报废。采集这关没把住,后面标注做得再精细也是白搭。
数据进了标注平台,第一件事是清洗和预处理。原始数据里夹着大量无效帧——车停着等红灯的静止画面、被前车挡得严严实实的路段、镜头起雾的模糊帧,这些不剔掉,标注员的时间和精力全耗在废片上了。预处理还包括抽帧策略的制定,视频流每秒三十帧全标不现实,通常按距离或时间间隔抽,弯道和路口密一点,直道稀一点。点云数据的去噪也在这步做,路面反光造成的噪点、雨滴形成的伪目标,得先滤掉,不然标注员会把噪点当障碍物标进去,模型学歪了都不知道问题出在哪。
正式标注环节,分工很细。2D标注和3D标注是两条线,2D拉框标车辆、行人、交通标志,3D点云标障碍物的空间尺寸和朝向。车道线标注更考验耐心,实线虚线、双黄线、导流线、待转区,每种线型对应不同的标注规则,标错一个属性,下游的导航逻辑就出错。语义分割标注要把路面、建筑、植被、天空逐像素分类,这种活儿对标注员的专注力要求极高,标两个小时就得轮换,不然眼睛一花,整片区域标串了。标注工具的设计也直接影响效率,快捷键顺不顺手、视图切换流不流畅、预标注结果能不能一键采纳,这些细节累积起来,一个标注员一天的有效产出能差出三成。
标注完了不是直接交差,质检这关才是真正的漏斗。质检分三层:第一层是标注员自检,交之前自己过一遍,把明显漏标错标的改掉;第二层是组内互检,换个人按抽查比例复核,通常抽百分之二十到三十,发现系统性错误就整批打回;第三层是专职质检员全检,重点盯边界案例——被遮挡一半的行人、远处模糊的交通标志、点云里形状不规则的障碍物,这些恰恰是模型最容易翻车的地方。质检员手里有一份详细的规则文档,每条规则背后都是血泪教训,比如“雨天路面倒影中的车辆不标注”,这条规则就是之前模型把倒影识别成真车导致误刹后才加进去的。质检发现的错误要分类统计,是规则理解偏差还是工具操作失误,反馈到标注环节做针对性培训,形成闭环。
质检通过的数据还要过一遍验收抽检。甲方或者项目负责人按比例随机抽验,重点看标注一致性——同一个场景不同标注员标出来的结果差异有多大。一致性差说明规则不够细或者培训不到位,得回头补课。验收通过后数据入库,但流程没完,模型训练出来的效果要反向验证标注质量。模型在某个场景下表现差,调出对应的标注数据一看,果然是标注规则有漏洞。这种反向反馈机制让标注规范持续迭代,越往后规则越细,标注质量越稳。
整条链路跑下来,最深的感受是:地图数据标注不是堆人力的活儿,是拼流程设计的活儿。采集端的硬件标定、预处理阶段的清洗策略、标注环节的工具效率、质检层的规则细化,每个节点都卡着质量。很多团队栽跟头就栽在把标注当成孤立环节,采集随便采、质检走过场,模型效果上不去,回头查问题,发现根子在采集那一步就埋下了。把全流程的每个关键点抠住,标注质量才有保障,模型上路才靠得住。这条流水线上没有哪一环可以糊弄,糊弄过去的问题,迟早会在路上还回来。
