机器视觉中的自动标注技术主要包括以下几种：
1. 语义分割：这是一种将图像分割成不同区域并标注上对应属性的方法，常用于自动驾驶、人机交互等领域。通过这种方法，可以帮助训练图像识别模型，使其更好地理解图像内容。
2. 矩形框标注（边界框）：矩形框标注，也叫拉框标注，是用2D框、3D框等标注出图像中的指定目标对象。这种方法简单明了，广泛应用于各种目标检测任务中。
3. 多边形标注：多边形标注用于在静态图片中，使用多边形框标注出不规则的目标物体。与矩形框标注相比，多边形标注能更精准地框定目标，特别适用于不规则物体的标注。
4. 关键点标注：在目标对象的规定位置打上关键点，如人脸图片上的眼角、鼻尖等，或人体图像上的骨骼位置。这种方法有助于更精确地识别和分析目标对象的特征。
5. 立方体标注与3D点云标注：立方体标注主要应用于训练自动驾驶系统对会车或超车车辆的体积判断。而3D点云标注则是从激光雷达采集的点云图中找出目标对象，并以立方体框的形式标注出来，包括车辆、行人等。
6. （半）自动数据标注：通过少量标注数据进行训练后得到一个预训练模型，然后在此基础上对该网络的输出结果进行人工核验，并进一步训练得到优化模型。这种方法可以循环往复，通过增加更多数据来提高模型精度。
还有一些其他标注方法，如线标注、特征点标注、三维长方体标注等，它们也在机器视觉中发挥着重要作用。需要注意的是，虽然自动标注技术已经取得了显著进展，但全自动的数据标注方法目前仍未实现，标注过程仍需要人工核验和修正。
