2D全景语义分割
自动驾驶主流算法模型主要以有监督的深度学习方式为主，是基于已知变量和因变量推导函数关系的算法模型，需要大量的结构化标注数据对模型进行训练与调优。
在此基础上，想要让自动驾驶汽车更加“智能”、自动驾驶应用可以在不同垂直落地场景中形成可复制循环的商业模式闭环，背后就需要有海量且高质量的真实道路数据做支撑。
无论是在环境感知、精准定位、决策与规划、控制与执行、高精地图与车联网V2X等领域的核心算法训练方面，还是在自动驾驶AI数据中台基础设施构建方面，欧凯天博自动驾驶数据解决方案均可以提供完备的数据服务能力，助力自动驾驶技术释放更多潜能。
2D全景语义分割
3D点云-物体检测
3D点云连续帧
3D立方体
行人、车辆2D框
某训练平台是该厂商自主研发的人工智能开发平台，面向深度学习开发场景，提供从数据处理模型开发、模型训练到推理服务的全流程服务。
为了扩展该训练平台的服务能力，更好地服务于自动驾驶应用场景，该厂商寻求稳定可靠的自动驾驶数据服务解决方案供应商。
结合双方特色，欧凯天博定制开发了一套适用于自动驾驶应用场景下的端到端一体化解决方案。通过携手厂商训练平台，构建起一套从底层硬件到数据采集、管理、标注、训练，再到模型应用层的软硬件一体化端到端解决方案，从根本上解决自动驾驶企业底层基础设施搭建的问题。通过私有化部署的方式，将定制化数据服务平台内置于该厂商训练平台内，可轻松处理自动驾驶场景下的不同数据标注类型。
最终，我们有效填补需求方自动驾驶数据处理能力方面的欠缺，通过实际项目测算，数据处理效率平均可提升4-8倍以上，数据平均质量超过99%。