鸟瞰图（BEV）就像从高处观察的上帝视角，收集车辆上多个传感器的数据并将其输入综合推理的统一模型。生成的鸟瞰图以同一视角呈现各个传感器的数据，有效避免误差累积，解决自动驾驶多传感器数据融合的挑战。在 BEV 空间内，当坐标系对齐时，可以发生时间融合，形成 4D 空间。然而，由于点云数据量巨大，传统的3D标注技术存在不足。因此，业界将注意力转向为 BEV 量身定制的 4D 注释技术。一、基于BEV的4D标注 4D-BEV标注技术将第四维度，即时间序列引入到人工智能数据标注中。基于鸟瞰图，注释者可以标记车辆、行人和交通标志等静态对象，记录它们的位置和大小。同时，时间轴标注记录物体进入和退出的时间，帮助算法更准确地跟踪物体轨迹，从而增强自动驾驶的安全性和决策支持。为了帮助客户快速、经济高效地构建大量高质量的 4D-BEV 地面实况数据用于感知训练和评估，亿蝌语料推出了 4D-BEV 注释解决方案。
亿蝌语料的4D标注工具可以在3D空间+时间维度进行标注，采用激光雷达、毫米波雷达、摄像头、俯视图等支持AI数据服务的多种传感器融合方式，同时支持数据对齐和融合。平台内置预识别标注技术，显着提高标注效率和准确性。二.标注工具亮点 支持平滑处理数十亿点云数据。 4D点云标注模板使用Potree进行显示，Potree是一个基于WebGL的点云可视化框架，可以在网页上交互式显示大规模点云数据。从ai数据采集中获取映射参数，避免多帧造成的参数偏差。个性化颜色设置，准确区分点云目标。内置预加载功能，有效提升标注效率。成熟高效的预识别标注处理能力。三．案例研究 4D 车道标记标注：对激光雷达点云数据标注服务的连续帧进行标注，并附有相应的全局姿态信息和特定时刻的辅助图像数据。帧堆叠后车道标记的注释，包括实线、虚线、双实线、双虚线、引导线等。针对每个摄像机图像调整和粘贴映射的2D车道标记。 4D 分割注释：基于姿势参数重建和堆叠帧序列。对帧堆叠后的语义分割进行标注，包括植被、可行驶区域、未知障碍物等类别。亿蝌语料凭借多年的数据采集和标注经验，提供全面的数据解决方案，与全球数百家自动驾驶公司深度合作，涵盖原始设备制造商、新的电动汽车初创公司、领先的科技公司、主流算法公司和顶级的一级制造商。未来，亿蝌语料将持续投入技术研发，不断完善AI基础设施，协助用户更便捷地训练和部署AI应用。
