环境标注根据任务需求可分为多种类型，每种类型服务于不同的感知目标。目标检测标注是最常见的形式，要求在图像或点云中标注出特定物体的边界框，并赋予类别标签，如汽车、行人、自行车、交通标志等。这种标注用于训练模型识别环境中存在的对象，是构建感知系统的第一步。标注过程中需确保边界框紧密贴合物体边缘，避免遗漏或误标。

语义分割标注则更为精细，要求对图像中的每个像素进行分类，区分道路、人行道、建筑物、天空、植被等不同区域。这种像素级标注提供了更丰富的空间信息，有助于系统理解场景的整体布局，尤其适用于路径规划和地形识别任务。实例分割在此基础上进一步区分同一类别的不同个体，如标记出每一辆独立的汽车，而不仅仅是“汽车”这一类别。

关键点标注用于标记物体的特定部位或姿态，如行人的关节位置、车辆的轮毂中心或交通标志的关键角点。这种标注支持姿态估计、行为分析和三维重建等高级任务。在自动驾驶中，通过标注车辆的关键点，系统可更准确地判断其朝向与运动趋势。

三维点云标注利用激光雷达采集的三维数据，对空间中的物体进行立体标注。标注人员需在点云数据中框选出目标物体，并赋予类别标签。这种标注能够提供深度信息，帮助系统理解物体的空间位置与体积，是实现高精度环境建模的关键。

行为与事件标注关注动态过程，要求标记特定行为的发生时间、持续时长和参与对象，如行人横穿马路、车辆变道、交通拥堵等。这类标注用于训练行为识别模型，支持预测与预警功能。

信息来源：网易伏羲