Scale推出傳感器融合標註API，爲自動駕駛技術更快注入數據燃料

自動駕駛汽車將會進一步解放人類生產力，顯著減小人爲駕駛帶來的交通事故，並創造新的增值服務。着眼於將來發展趨勢，Scale API 公司正在加速計算機視覺方面的訓練，打造一個將機器學習與人類理解結合起來的交互平臺。

雷鋒網新智駕消息，Scale API 最近推出傳感器融合標註 API（Sensor Fusion Annotation API），可以支持全部主流傳感器的高級 3D 感知，包括激光雷達（30 米內稠密 3D 場景理解）、相機（70 米內圖像目標識別）和 Radar（150 米內稀疏場景理解），以幫助汽車製造商和自動駕駛汽車公司加速感知算法的開發。

Scale API 基於雲服務，用戶能夠上傳大量未標記的數據集，由公司對其進行標註，以便用於計算機視覺模型的訓練。同時能處理各類數據集，幕後工做人員「Scaler」能夠確保標註質量和可擴展性，他們的工做效率會隨時被跟蹤記錄，用於構建自動化質量管線。

該公司已經提供了圖像標註 API（ Image Annotation API） ，經過目標識別來標註數據集。另外，Scale API 還提供用於 OCR 和圖像轉錄、分類、比較和數據收集的 API。

藉助傳感器融合標註 API，用戶能夠上傳未標記的相機、激光雷達和 Radar 數據，生成可用於訓練 3D 感知模型的標註數據。激光雷達和 Radar 標註是指，採用長方體包圍特定對象的 3D 點雲，並獲得這些框的位置和大小。該 API 支持全部用於 3D 感知的主流傳感器，爲自動駕駛技術提供數據支持。

爲了更多地瞭解自動駕駛汽車的技術和發展，外媒與 Scale API 的創始人兼首席執行官 Alexandr Wang 進行了交談，下面由雷鋒網新智駕整理編譯。

Q：爲何對激光雷達如此感興趣？

Wang： 激光雷達傳感器使用激光來幫助汽車瞭解周圍環境情況。它能讓汽車感知其餘物體的距離、當前移動速度以及相對汽車所處位置。這些信息可用來渲染 3D 點雲數據。

激光雷達發展迅速，價格日趨廉價。一些固態激光雷達之後有可能會低至上千甚至數百美圓（通用 Cruise 收購 Strobe 正是要實現這點）。隨着激光雷達成本下降，配備激光雷達的 L4 等級自動駕駛車隊指日可待，消費者沒必要花高價去購買自動駕駛汽車。

Q：激光雷達是自動駕駛汽車的最佳選擇嗎？

Wang： 激光雷達對於自動駕駛汽車的落地起到關鍵做用。它可讓自動駕駛汽車更安全，即便汽車沒它的時候也能運行。可是，在某些特殊狀況下，如雨、雪和其餘惡劣天氣條件可能致使激光雷達失效。

相比其餘技術，激光雷達的性能表現具備明顯優點，尤爲對於近場的語義理解很是有用。

雖然咱們首先考慮應用在自動駕駛汽車方面，但激光雷達和 Radar 幾乎適用於全部機器人和計算機視覺領域，包括無人機，測量圖像和其餘機器人，如配送機器人、製造機器人、安防機器人等，經過 3D 感知能夠進一步提高圖像數據的價值。保險公司利寶（Liberty Mutual）實際上就使用了 Scale API 來加強他們的無人機工做，經過機器學習算法分析無人機影像，來自動檢測房屋受損程度。

Q：激光雷達的主要競爭對手採用什麼技術？

Wang：這個問題頗有趣。雖然 Radar 也能用於目標檢測，但它與激光雷達是相輔相成的，而不是相互競爭。Radar 精度不過高，但探測的距離更遠。當它們結合使用時，能夠得到更好的 3D 感知。

雖然像特斯拉這樣的公司不是直接的競爭對手，但他們正在建造更高分辨率的新探測系統，並且僅僅採用相機和雷達。

Q：激光雷達有什麼缺點？

Wang： 激光雷達傳感器仍然有些缺點。正如我以前所說的，它在光線充足的環境中性能表現最佳，但在下雪或有霧時可能會失效。所以，大多數自動駕駛汽車都採用四個傳感器進行更精確的探測。

Q：傳感器融合標註 API 的背後想法是什麼？

Wang：開發高性能感知算法的最大瓶頸是獲取高質量的已標記數據。隨着 Scale 的傳感器融合 API 的推出，咱們是目前惟一可以處理全部 3D 傳感器融合標註的，這對於任何自動駕駛汽車或機器人公司都很是有價值。

要想使用傳感器融合和圖像標註 API，只需將數據發送到 Scale API，數據將經過回調自動反饋給用戶，操做很是簡單。

Scale 傳感器融合和圖像標註 API 提供了對多種類型的支持。包括激光雷達 / Radar、語義分割、多邊形、邊界框、點、線和長方體。

一些用戶已經將整個操做流程集成起來，一旦他們的車發生異常，這些數據就會自動發送給咱們進行標註，等數據反饋給用戶後，觸發信號會激發從新訓練算法。像 Voyage 和 Embark 一直在等待這項技術，咱們很是高興可以與他們合做。

Q：Scale 如何開發這項技術？

Wang： Scale 的工程團隊由來自 MIT、CMU、哈佛大學、斯坦福大學、谷歌和 Facebook 等機構的機器學習、計算機科學和電氣工程專家組成。咱們也與像 Alphabet 這樣的合做夥伴密切合做，開發先進的技術，用來生成最高質量的數據。

Q：目前和哪些公司合做？

Wang：使用 Scale API 的公司包括通用 GM Cruise、Uber、nuTonomy、Alphabet、Embark、Voyage、Starsky Robotics 等等。

Q：你認爲自動駕駛汽車在何時會成爲常態？

Wang：這種技術什麼時候會在各個地區普遍使用是很難預測的。美國某些城市可能在 1 - 2 年就會出現自動駕駛車隊。但因爲投資緣由，其餘地區可能須要更長的時間，大概 3 - 5 年纔會使用。目前，大多數自動駕駛技術都依靠高精地圖，這些地圖的生成和維護都很昂貴。因爲技術還需全面推動，消費者想要購買自動駕駛乘用車可能還得等待至關長的時間。