苹果加入造车潮，自动驾驶离我们还远吗？_苹果加入造车潮,自动驾驶时代将至

近日，有消息称苹果可能提前两年推出电动车产品，预计时间将是2021年的第三季度，也就是大概9个月之后。消息热度居高不下，引发了广泛的关注和讨论。

早在2013年的开发者大会（WWDC）上，苹果就正式推出了“iOS in the Car”车载系统（后更名为CarPlay），宣告苹果开始进军汽车领域，并于次年秘密启动Titan项目。“Titan”的最初目标是研发全车，但在此前多次团队转变之下，研发重点已经转向自动驾驶系统。

Apple Car有可能提前问世

2017年6月，苹果CEO蒂姆·库克（Tim Cook）首次公开承认苹果正在研发自动驾驶系统，这也坐实了苹果涉足自动驾驶的传闻。同年，苹果拿到了加州的自动驾驶测试执照。

不过苹果的自动驾驶之路并不顺利。在向自动驾驶转型的过程中，苹果裁掉了数十名员工；此后在2019年与2020年相继裁员共400名员工，项目负责人多次更换，可以看出苹果对汽车的计划摇摆不定。

不过，作为消费电子乃至整个科技界的标杆，即便9个月之后苹果的Apple Car“跳票”，单单苹果加入新造车阵营，就已经给行业带来了更多关注和期待。甚至有媒体已经对苹果电动车自动驾驶、车辆外形、驾驶体验等做出了预测。

虽然过程不顺利，但是大众依然对Apple Car充满期待

从2016年以来，自动驾驶行业规模以每年10%以上的增长率持续增长。今年更是新造车公司触底反弹的一年，领头羊特斯拉股价大涨，国内新造车公司蔚来、小鹏等同样也在资本市场受到投资者青睐。

自动驾驶行业有着巨大的发展前景，但是依然面临诸多行业痛点。就数据层面而言，主要存在局部数据采集难以覆盖全部应用场景、数据采集难度大、数据量大而存储、处理、调用和算法训练困难多等问题。

数据堂作为全球领先的人工智能数据服务提供商，直面自动驾驶行业痛点，为客户提供数据采集、数据管理、数据标注、标准数据库设计和算法迭代一体化的自动驾驶数据解决方案。

1数据采集

自动驾驶数据采集方案，主要分为设备选型、设备安装调试、设备校准等步骤。

数据堂可支持多设备采集任务，常用设备有RGB摄像头、激光雷达和毫米波雷达，如有客户额外需求，也可以补充超声波雷达、红外镜头及惯性导航系统（INS）。

数据采集示意图和实物图

在实际采集的过程中，通常会在车内外放置RGB摄像头，用于采集驾驶行为数据和路面可见光信息，同时放置激光雷达以采集点云信息。在这样的布局下，数据堂的数据采集工作能够同时完成对RGB视频数据、激光雷达点云数据和传感器内外参数的采集。

2数据管理

数据堂作为全球领先的数据服务提供商，已经形成了一套专业化的自动驾驶数据管理模式，即在调度引擎及系统管理两大基础模块支撑下的数据导入、数据处理、数据检索协调运作的数据管理模式。

图片来自网络

自动驾驶开发需要采集海量道路环境数据，用于算法开发和模型训练，这对数据的传输和管理带来了挑战。在数据堂专业化数据管理模式的支持下，用户可以享受高效的数据传输和检索服务，以及灵活优质的数据切帧、数据打标签、数据清洗等数据处理服务。

3数据标注

自动驾驶数据标注，通常是对图像、视频、3D点云三种数据模态进行标注，不同的数据模态需要不同的标注平台，数据堂标注平台可支持各种模态数据标注任务。

道路语义分割数据标注示意图

作为多年标注实战经验的集大成者，数加加Pro标注平台是基于数据堂多年实验经验研发的数据集生产平台。数加加Pro集成了数据处理、自动化标注、机器质检等外部插件，拥有便利多样的部署形式和方便的接口，可以快速部署和集成。

目前，自动驾驶中主要是通过激光雷达对车辆周围环境进行建模。可以说，3D点云图像标注数据是自动驾驶技术的基础训练数据。

3D点云标注样例

数据堂当前拥有包括3D点云、2D-3D融合、3D连续帧在内的标注工具集，采用客户端方式实现，充分利用桌面电脑计算能力，支持包括2D-3D映射、多个摄像头、大数据量标注、3D连续帧（1000帧，每帧1张128线点云、6张以内高清图片）等标注场景。

数据堂积累了大量的数据标注经验，通过高效的标注工具及流程化的质量管理体系，为用户提供高质量的训练数据。

4标准数据库

数据堂的自动驾驶标准数据库主要涵盖街景图片全品类目标2D和3D框检测数据、街景图片全品类目标语义分割数据、街景图片行人和车辆跟踪数据、3D点云目标检测跟踪和分割数据等，用于完成目标检测、目标分割及驾驶行为识别等任务。

数据堂自动驾驶标准数据库中的数据样例

数据堂建立自动驾驶标准数据库的目的在于推动业务标准化的进程，帮助用户快速建立并推广自动驾驶技术与服务。

5算法迭代

算法迭代指的是训练数据更新算法模型，新算法模型可用于路面实测和对新数据的预识别标注（程序自动标注）。算法对数据集进行测试，将预测错的数据重新进入算法训练，循环往复形成算法迭代机制。

智能驾驶计算平台的核心控制算法，包括环境感知与定位，决策与规划

无论是环境感知技术，还是车辆控制技术，自动驾驶都需要大量算法的支持，而算法研发本来就是个不断迭代的过程，在算法不成熟的条件下，为了配合自动驾驶汽车的功能和性能开发，必须遵循从纯模型仿真，到半实物的仿真，到封闭场地道路测试，并最终走向开放场地道路测试这一开发流程。

苹果作为全球市值最高的公司之一，和其他巨头的认知一样，汽车是一个更具潜力的消费品市场。

但如何设计自动驾驶下，人机交互的界面，甚至是人与人，系统与系统之间的交互方式，都将是一个值得不断探索和挖掘的话题。

数据堂在深刻理解自动驾驶场景的基础上设计了自动驾驶数据解决方案，并且已经与国内外多家知名自动驾驶企业达成合作。在保障数据安全合规的基础上，数据堂将继续为自动驾驶行业的发展提供“燃料”。