Scale推出传感器融合标注API，为自动驾驶技术更快注入数据燃料

自动驾驶汽车将会进一步解放人类生产力，显著减少人为驾驶带来的交通事故，并创造新的增值服务。着眼于未来发展趋势，Scale API 公司正在加速计算机视觉方面的训练，打造一个将机器学习与人类理解结合起来的交互平台。

雷锋网新智驾消息，Scale API 最近推出传感器融合标注 API（Sensor Fusion Annotation API），能够支持所有主流传感器的高级 3D 感知，包括激光雷达（30 米内稠密 3D 场景理解）、相机（70 米内图像目标识别）和 Radar（150 米内稀疏场景理解），以帮助汽车制造商和自动驾驶汽车公司加速感知算法的开发。

Scale API 基于云服务，用户可以上传大量未标记的数据集，由公司对其进行标注，以便用于计算机视觉模型的训练。同时能处理各种数据集，幕后工作人员“Scaler”可以确保标注质量和可扩展性，他们的工作效率会随时被跟踪记录，用于构建自动化质量管线。

该公司已经提供了图像标注 API（ Image Annotation API） ，通过目标识别来标注数据集。另外，Scale API 还提供用于 OCR 和图像转录、分类、比较和数据收集的 API。

借助传感器融合标注 API，用户可以上传未标记的相机、激光雷达和 Radar 数据，生成可用于训练 3D 感知模型的标注数据。激光雷达和 Radar 标注是指，采用长方体包围特定对象的 3D 点云，并得到这些框的位置和大小。该 API 支持所有用于 3D 感知的主流传感器，为自动驾驶技术提供数据支持。

为了更多地了解自动驾驶汽车的技术和发展，外媒与 Scale API 的创始人兼首席执行官 Alexandr Wang 进行了交谈，下面由雷锋网新智驾整理编译。

Q：为什么对激光雷达如此感兴趣？

Wang： 激光雷达传感器使用激光来帮助汽车了解周围环境状况。它能让汽车感知其他物体的距离、当前移动速度以及相对汽车所处位置。这些信息可用来渲染 3D 点云数据。

激光雷达发展迅速，价格日趋廉价。一些固态激光雷达以后有可能会低至上千甚至数百美元（通用 Cruise 收购 Strobe 正是要实现这点）。随着激光雷达成本降低，配备激光雷达的 L4 等级自动驾驶车队指日可待，消费者不必花高价去购买自动驾驶汽车。

Q：激光雷达是自动驾驶汽车的最佳选择吗？

Wang： 激光雷达对于自动驾驶汽车的落地起到关键作用。它可以让自动驾驶汽车更安全，即使汽车没它的时候也能运行。但是，在某些特殊情况下，如雨、雪和其他恶劣天气条件可能导致激光雷达失效。

相比其他技术，激光雷达的性能表现具有明显优势，尤其对于近场的语义理解非常有用。

虽然我们首先考虑应用在自动驾驶汽车方面，但激光雷达和 Radar 几乎适用于所有机器人和计算机视觉领域，包括无人机，测量图像和其他机器人，如配送机器人、制造机器人、安防机器人等，通过 3D 感知可以进一步提升图像数据的价值。保险公司利宝（Liberty Mutual）实际上就使用了 Scale API 来增强他们的无人机工作，通过机器学习算法分析无人机影像，来自动检测房屋受损程度。

Q：激光雷达的主要竞争对手采用什么技术？

Wang：这个问题很有趣。虽然 Radar 也能用于目标检测，但它与激光雷达是相辅相成的，而不是相互竞争。Radar 精度不太高，但探测的距离更远。当它们结合使用时，可以获得更好的 3D 感知。

虽然像特斯拉这样的公司不是直接的竞争对手，但他们正在建造更高分辨率的新探测系统，而且仅仅采用相机和雷达。

Q：激光雷达有什么缺点？

Wang： 激光雷达传感器仍然有些缺点。正如我之前所说的，它在光线充足的环境中性能表现最佳，但在下雪或有雾时可能会失效。因此，大多数自动驾驶汽车都采用四个传感器进行更精确的探测。

Q：传感器融合标注 API 的背后想法是什么？

Wang：开发高性能感知算法的最大瓶颈是获取高质量的已标记数据。随着 Scale 的传感器融合 API 的推出，我们是目前唯一能够处理所有 3D 传感器融合标注的，这对于任何自动驾驶汽车或机器人公司都非常有价值。

要想使用传感器融合和图像标注 API，只需将数据发送到 Scale API，数据将通过回调自动反馈给用户，操作非常简单。

Scale 传感器融合和图像标注 API 提供了对多种类型的支持。包括激光雷达 / Radar、语义分割、多边形、边界框、点、线和长方体。

一些用户已经将整个操作流程集成起来，一旦他们的车发生异常，这些数据就会自动发送给我们进行标注，等数据反馈给用户后，触发信号会激发重新训练算法。像 Voyage 和 Embark 一直在等待这项技术，我们非常高兴能够与他们合作。

Q：Scale 如何开发这项技术？

Wang： Scale 的工程团队由来自 MIT、CMU、哈佛大学、斯坦福大学、谷歌和 Facebook 等机构的机器学习、计算机科学和电气工程专家组成。我们也与像 Alphabet 这样的合作伙伴密切合作，开发先进的技术，用来生成最高质量的数据。

Q：目前和哪些公司合作？

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

Q：你认为自动驾驶汽车在什么时候会成为常态？

Wang：这种技术何时会在各个地区广泛使用是很难预测的。美国某些城市可能在 1 – 2 年就会出现自动驾驶车队。但由于投资原因，其他地区可能需要更长的时间，大概 3 – 5 年才会使用。目前，大多数自动驾驶技术都依靠高精地图，这些地图的生成和维护都很昂贵。由于技术还需全面推进，消费者想要购买自动驾驶乘用车可能还得等待相当长的时间。