3D点云数据标注实战指南：从工具选型到高效标注技巧

1次阅读

没有评论

共计 2110 个字符，预计需要花费 6 分钟才能阅读完成。

在自动驾驶和机器人领域，3D 点云数据标注是训练感知模型的关键预处理步骤。点云数据来自激光雷达或深度相机，记录了物体表面的三维坐标信息。但原始点云存在几个显著问题：

数据量大且稀疏 ：单帧扫描可能包含数十万个点，但物体表面点分布不均匀
边界模糊 ：相邻物体的点云容易粘连（如车辆与地面接触部分）
标注效率低下 ：人工标注一帧数据平均需要 15-30 分钟，成本高昂

以自动驾驶为例，标注错误可能导致感知系统误判障碍物位置，直接影响行车安全。因此，建立高效的标注流程和质量控制体系至关重要。

优点：
开源免费，支持自定义标注 schema
提供基础的旋转 bbox 标注功能
可直接导出 COCO 格式标注文件
缺点：
界面交互较原始
缺乏团队协作功能

优点：
支持点云与图像的联合标注
内置智能预标注（如自动拟合车辆 bbox）
完善的团队权限管理系统
缺点：
企业版价格较高
对大规模点云的渲染性能一般

优点：
支持分布式标注任务分配
可扩展的插件体系（支持 PointPillars 等格式）
内置质量审计工作流
缺点：
3D 标注功能需额外安装组件
学习曲线较陡峭

使用 Open3D 进行降采样和地面分割：

import open3d as o3d
import numpy as np

def preprocess_point_cloud(pcd_path, voxel_size=0.05):
    """
    点云预处理流水线
    :param pcd_path: 点云文件路径
    :param voxel_size: 体素降采样粒度（单位：米）:return: (非地面点云, 地面点云)
    """
    # 读取点云
    pcd = o3d.io.read_point_cloud(pcd_path)

    # 体素降采样
    down_pcd = pcd.voxel_down_sample(voxel_size)

    # 地面分割（基于 RANSAC）plane_model, inliers = down_pcd.segment_plane(
        distance_threshold=0.2,
        ransac_n=3,
        num_iterations=100
    )
    ground_pcd = down_pcd.select_by_index(inliers)
    obj_pcd = down_pcd.select_by_index(inliers, invert=True)

    return obj_pcd, ground_pcd

车辆类物体：
必须包含后视镜等突出部件
与地面接触面底部对齐 z 轴
旋转角度误差 <5°
行人标注：
高度方向至少包含头部到脚部
允许适当扩大边界（考虑姿态变化）

{
  "classes": [{"id": 1, "name": "vehicle", "color": [255,0,0]},
    {"id": 2, "name": "pedestrian", "color": [0,255,0]},
    {"id": 3, "name": "cyclist", "color": [0,0,255]}
  ],
  "instance_id": {
    "start_from": 1000,
    "overflow": "reuse"
  }
}

graph TB
    A[主节点] -->| 分发任务 | B[标注节点 1]
    A -->| 分发任务 | C[标注节点 2]
    A -->| 分发任务 | D[标注节点 3]
    B -->| 提交结果 | E[质量校验模块]
    C -->| 提交结果 | E
    D -->| 提交结果 | E
    E -->| 通过 | F[版本数据库]

IoU 计算（3D 版本）：

def calculate_3d_iou(box1, box2):
    # 计算两个 3D bbox 的交集体积
    inter_vol = (min(box1.x_max, box2.x_max) - max(box1.x_min, box2.x_min)) * \
                (min(box1.y_max, box2.y_max) - max(box1.y_min, box2.y_min)) * \
                (min(box1.z_max, box2.z_max) - max(box1.z_min, box2.z_min))

    union_vol = box1.volume() + box2.volume() - inter_vol
    return inter_vol / union_vol