我们内部搭建了一个自动驾驶标注场景中台，专门给公司里的标注同事使用。这个平台上集成了好几类工具，比如画车道线、给车辆做连续跟踪、还有泊车场景下的标注等等。平时测试车在外面跑，拍回来的视频和图像数据量非常大，单靠人工一张张处理根本来不及，所以需要通过这个中台把数据分发下去，让标注员能高效地完成作业。与此同时，车上采集的点云数据和雷达信号也会一并接入平台，标注完成后，这些结果会转化成训练样本，统一回流到后台的AI训练流程里，用来持续优化我们的感知模型。整个流程就是从数据采集、人工标注，到最终反哺算法，形成一个闭环。
整个中台按业务角色拆分为需求端、用户端和管理端三部分，权限体系通过账号类型做隔离，不同角色看到的菜单和可操作范围都不一样。
需求端主要面向算法或项目负责人，用来发布标注任务。发布时需要指定任务类型（比如车道线、车辆跟踪或泊车场景）、关联的数据包，以及工期和优先级，任务发布后会自动流转到对应权限组的用户端列表里。
用户端是标注员日常操作的入口。每个标注员登录后只能看到自己权限范围内的任务，点进任务就能进入标注页面。由于单个任务往往包含大量数据，标注过程中标注员可以在页面内随时切回任务列表查看整体完成进度，也可以在标注页面中前后翻看已标注和未标注的图片，方便对照和修正。所有数据标注完成后，任务会自动进入验收阶段。验收分两种方式：一种是按整包批量验收，适合快速过一遍整体质量；另一种是单张逐一验收，适合精细检查个别复杂场景。
管理端拥有全局权限，不光是能看到所有任务的状态和流转记录，还能管理人员账号、调整任务分配、干预验收流程，以及在出现异常时对数据进行回收或重置操作。三端各司其职，共同支撑起从任务下发、数据标注到质量验收的完整链路。
1、参与需求评审及疑难点方案设计，主导复杂业务组件的抽象与封装，保障在大体量标注数据下系统的稳定性。
2、配置Git Hooks进行提交前代码格式化，统一代码风格，主导小组Code Review与Merge Request流程，制定分支管理，有效降低合并代码冲突。
3、重构多入口页面构建配置，将打包耗时降低30%，将3个独立页面出口重构为单出口+Node.js文件分发的共享构建方案，充分利用模块缓存与代码分割，生产构建速度提升30%。
4、设计缓存预加载方案，使标注任务图片切换加速2-3S，针对缩略图/原图切换慢问题，利用HTTP强缓存策略对原图进行预加载，将任务切换时的图片加载耗时缩短2-3秒，提升标注效率。
5、基于IndexedDB实现大数据量本地持久化，将接口首次返回的大型数据缓存至IndexedDB，避免页面刷新或任务切换时的重复请求与解析开销，彻底解决大数据重载造成的页面卡顿问题，保障高频操作的流程体验。
6、主导车辆、泊车、车道线等多个复杂功能模块的技术方案设计，基于Three.js实现3D立方体框、PCD点云、雷达预测模型、车道线模型等复杂场景元素的渲染与交互。
7、Monorepo工程化与包体积优化
评论