AUTOMOTIVE CASE STUDY

自动驾驶客户案例

城市道路，多传感器协同感知。

从场景拆分、目标关联到问题复核，展示一批道路感知数据如何形成可检查、可追溯的项目记录。

讨论类似感知任务查看项目范围

返回客户案例

01 / PROJECT BRIEF

先把任务边界说清楚。

一个感知团队，希望在同一批道路数据中检查场景覆盖与跨传感器身份关联。项目以序列为单位组织，规则与检查记录跟随每次修订。

客户类型: 自动驾驶感知团队
任务类型: 2D / 3D 目标与轨迹关联
传感器配置: 6 路相机 + 1 路 LiDAR
范围边界: 12 段序列，每段 100 组同步关键帧

02 / SCENE COVERAGE

四类道路场景，一套关联规则。

保留不同场景的规模与检查重点。切换场景可查看对应的范围，四组合计 12 段序列、1,200 组同步关键帧。

JUNCTIONS

城市路口

转向车辆、行人与路侧遮挡物同时出现，重点检查多视角中的身份一致性。

段序列: 4
关键帧组: 400

检查重点

同一目标跨相机与点云的身份引用
遮挡前后轨迹延续与终止规则
近距目标的边界与朝向

记录示例SEQ-J01 / KF-042 · 以关联 ID 检查转向车辆在相邻视角中的对应关系。

四类场景合计 12 段序列、1,200 组同步关键帧，按序列与规则版本组织。

03 / WORKING METHOD

把难点转化为明确的检查项。

先用代表性样例统一规则，再按序列执行、复核和修订；每个问题都能回到具体场景与规则版本。

01
跨模态目标容易错配
处理方法先核对时间与坐标引用，再用对象 ID 串联图像、点云和轨迹；有歧义的关联单独留待确认。
保留记录时间戳、对象 ID、标定版本与关联表
02
遮挡与弱光边界不明确
处理方法用难例校准可见范围与遮挡口径；无法判断的目标按规则标记，不用推测填补。
保留记录规则版本、样例说明与问题定位
03
修订后需要重新核对
处理方法问题回到原序列和关键帧组复查；初检、返工与复检结果分开记录。
保留记录问题 ID、修订引用、复检结论与未决项

04 / REVIEW RECORD

记录修订，也保留未解决的问题。

下方是 120 组分层抽检记录：四类场景各取 30 组，抽样比例因场景规模不同而不同。其余 1,080 组未检查，不计入任何通过率。

抽检范围120组 / 全部 1,200 组

初检通过95.8%115 / 120 抽检组

返工后复检通过80.0%4 / 5 返工组

当前样本通过99.2%119 / 120 抽检组

AUTO-001 · 检查台账
场景	抽检组	初检通过	复检通过 / 返工	当前通过
城市路口	30	29	1 / 1	30
夜间与逆光	30	28	1 / 2	29
道路施工	30	29	1 / 1	30
混合交通	30	29	1 / 1	30
合计	120	115	4 / 5	119

比例对应列明的抽检范围。批次验收按约定标准执行，未检查的 1,080 组另行记录。

了解交付与质量方法

05 / HANDOVER STRUCTURE

交付时，数据与说明一起对齐。

将索引、标签、规则版本与检查记录组织为同一份交付清单，便于接收、复核和后续迭代。

01
序列与同步索引
序列 ID、时间戳、6 路图像与点云引用，保留场景分组。
02
标签与跨模态关联
2D / 3D 目标、轨迹 ID 与关联表；按约定规则版本组织。
03
标定与规则引用
传感器配置、坐标与标定版本、样例说明和变更记录。
04
检查与未决问题
抽检分母、初检与复检结论、修订引用及尚未关闭的问题。

PROJECT MANIFEST

查看项目交付清单

查看项目范围、四类场景、样本检查结果和仍待解决的问题。

automotive-case-study.json

{
  "projectId": "AUTO-001",
  "sourceStatus": "project-record",
  "synchronizedKeyframeGroups": 1200,
  "sampledGroups": 120,
  "currentlyPassedGroups": 119,
  "unresolvedGroups": 1
}

下载 JSON 清单包含项目范围与检查记录摘要；原始数据与标签按项目约定交付。

PROJECT TAKEAWAYS

这份案例展示的三个协作原则。

01
先确认计数口径
把序列、同步关键帧组与传感器文件分开，避免数量与范围产生歧义。
02
问题留在上下文里
每次修订都能追溯到场景、序列、规则和检查结论。
03
未决项保持可见
保留未通过与未检查的边界，让下一步处理有明确依据。

LET’S DEFINE YOUR DATA TASK

从您的场景与规则开始。

描述传感器组合、场景范围和预期输出，一起梳理适合的试点任务。

讨论类似感知任务

城市道路，多传感器协同感知。

先把任务边界说清楚。

四类道路场景，一套关联规则。

城市路口

检查重点

夜间与逆光

检查重点

道路施工

检查重点

混合交通

检查重点

把难点转化为明确的检查项。

跨模态目标容易错配

遮挡与弱光边界不明确

修订后需要重新核对

记录修订，也保留未解决的问题。

交付时，数据与说明一起对齐。

序列与同步索引

标签与跨模态关联

标定与规则引用

检查与未决问题

这份案例展示的三个协作原则。

先确认计数口径

问题留在上下文里

未决项保持可见

自动驾驶数据方案

交付与质量

从您的场景与规则开始。