标签噪声是指数据标注过程中产生的错误或偏差，在机器学习领域特指训练数据中标注标签与真实情况不一致的现象。这种现象可能源于标注人员的主观判断误差、标注标准模糊、数据采集环境干扰等多种因素。在自动驾驶领域，典型的标签噪声包括错误标注的交通标志类别、不准确的车辆边界框、不一致的车道线标注等。
对于自动驾驶系统的开发而言，标签噪声会直接影响感知模型的训练效果，可能导致模型学习到错误的特征关联。实际工程中常采用一致性校验、多专家标注投票、半监督学习等技术手段进行噪声滤除。值得注意的是，完全消除标签噪声既不经济也不现实，因此在算法设计时需要特别考虑模型的抗噪鲁棒性。