WIMI微美全息开发车载多源信息感知行人及障碍物识别系统，让智能驾驶更安全

在人工智能与汽车融合发展趋势下，基于神经网络、深度学习等算法所进行的人工智能技术已成为目前智能驾驶行业研究领域里的一个热点与难点。

随着汽车向自动驾驶发展，行人及障碍物识别也变得越来越重要。WIMI微美全息(NASDAQ:WIMI)研发团队开发了基于车载多源信息感知技术的行人及障碍物识别系统。这款系统融合了环境感知传感器、惯性测量单元、IMU融合、激光雷达等多传感器信息进行智能识别，并通过毫米波雷达和前向摄像头等对物体进行距离及速度的实时动态估计与跟踪，进而实现对障碍物、行人的快速准确识别。

WIMI微美全息多源信息视觉技术即采用多个摄像头采集来自不同方向和距离的信息，同时将这些数据处理后进行融合并输出给控制器以达到对行人及障碍物精准识别与定位的目的。在传统多传感器技术基础上进一步引入深度学习算法，可以更好地实现车辆与行人之间距离、速度、方位等物理参数的有效协同，同时实现了对多个不同物体（如人形、动物、车辆等）进行综合评价与检测。通过此方法能够有效评估汽车碰撞的分析评估准确率，降低道路交通事故发生率，从而提升自动驾驶的安全性。

自动驾驶需要大量高质量的、安全无偏差的数据进行模拟训练，因此对数据标注的准确性提出更高的要求。WIMI微美全息研发团队正在研发人工智能数据标注算法技术，并将其应用于全息车载多源信息感知行人及障碍物识别系统。在数据预处理过程中，人工智能数据标注是不可或缺的一环，因为监督式机器学习模型可以学习识别标注数据中重复出现的模式。当算法处理了大量的标注数据后，算法可以在新的、未标记数据出现时识别相同的模式。WIMI微美全息研发团队在计算机视觉（边界框标注、3D点云标注、关键点标注、线标注、2D/3D融合标注、目标跟踪、图片分类、语义分割等）、语音工程（语音切割、ASR语音转写、语音情绪判定、声纹识别等）、自然语言处理（OCR转写、文本信息抽取、NLU语句泛化）多类型数据领域进行了大量的深入研发，独立研发数据引擎框架，通过AI测试模型进行数据清洗与标注，完成人工智能模型训练与部署。

数据标注是向训练数据集添加元数据的过程。这种元数据通常采用标签的形式，可以添加到任何类型的数据中，包括文本、图像和视频。添加高质量和高精准的标签是为机器学习开发训练数据集的一个关键过程。

WIMI微美全息(NASDAQ:WIMI)在全息车载多源信息感知技术的行人及障碍物识别系统中引入人工智能数据标注算法技术，可以更高效地提高自动驾驶领域的数据处理的效率和准确性。未来，人工智能数据标注将会在更多领域有着广泛的应用，如医疗成像分析被用来提高疾病的预测、诊断和治疗；人脸识别支付、AR/VR、城市安防和监控等领域。