6D数据集标注入门指南：从数据采集到标注工具选型

1次阅读

共计 1932 个字符，预计需要花费 5 分钟才能阅读完成。

在物体位姿估计（Pose Estimation）任务中，6D 标注（三维位置 + 三维旋转）是模型训练的黄金标准。但新手常踩的坑是：以为随便拍几张照片就能标注。实际上，数据采集阶段的问题会导致后期标注事倍功半。

光照不均 ：强反光或阴影会掩盖物体表面特征，导致位姿（Pose）难以确定
遮挡缺失 ：实际场景中物体常被遮挡，但采集时若全是 ” 干净 ” 样本，模型遇到遮挡就失效
视角单一 ：只从固定角度拍摄，缺少俯视 / 侧视等视角，模型无法学习完整空间关系

优势：支持多传感器数据同步（RGB- D 相机 +IMU），适合科研场景
劣势：需要配置 ROS 环境，学习曲线陡峭

优势：云端协作功能完善，支持多人实时审核
劣势：订阅费用较高（$200/ 月起）

# 用 CVAT API 批量导出标注示例
import cvat_sdk
client = cvat_sdk.Client("http://localhost:8080")
tasks = client.tasks.list()
for task in tasks:
    task.export("COCO 1.0", f"{task.id}.zip")

核心是检查点云对齐和位姿一致性。数学上，可以用 Huber 损失函数评估误差：

$$L_{\delta}(a) = \begin{cases}
\frac{1}{2}a^2 & \text{当} |a| \leq \delta \
\delta(|a| – \frac{1}{2}\delta) & \text{否则}
\end{cases}$$

import numpy as np
def check_pose_consistency(gt_pose, pred_pose, threshold=0.01):
    """
    位姿一致性校验
    :param gt_pose: 4x4 齐次矩阵格式的真值位姿
    :param pred_pose: 预测位姿
    :param threshold: Huber 损失阈值
    :return: 误差得分
    """
    try:
        diff = np.linalg.inv(gt_pose) @ pred_pose
        t_error = np.linalg.norm(diff[:3, 3])
        r_error = np.arccos((np.trace(diff[:3, :3]) - 1) / 2)

        # Huber 损失计算
        def huber_loss(x):
            return np.where(x <= threshold, 0.5*x**2, threshold*(np.abs(x)-0.5*threshold))

        return huber_loss(t_error) + huber_loss(r_error)
    except np.linalg.LinAlgError as e:
        print(f"矩阵求逆失败: {e}")
        return float('inf')

坐标系统一 ：所有标注必须使用同一世界坐标系（建议用右手系）
遮挡处理 ：明确标注遮挡区域（用特殊标签如 ”occluded”）
对称物体 ：对旋转对称物体要标注旋转约束（如圆柱体只需标注 Z 轴旋转）
标注冗余 ：每个物体至少应有 3 个视角的标注
物理合理性 ：检查物体间穿透、悬浮等违反物理规律的情况

按物体类别拆分：不同标注员专攻特定物体
按场景复杂度分级：简单场景分配给新手标注员

ADD（Average Distance Deviation）：模型预测的 3D 点与真值的平均距离
ADI（Average Distance with Iterative Closest Point）：考虑 ICP 优化后的距离

# ADD 计算示例
def calculate_add(model_points, gt_pose, pred_pose):
    """
    :param model_points: 物体 3D 模型点云 (Nx3)
    :return: 平均欧氏距离
    """
    gt_points = (gt_pose[:3, :3] @ model_points.T + gt_pose[:3, [3]]).T
    pred_points = (pred_pose[:3, :3] @ model_points.T + pred_pose[:3, [3]]).T
    return np.mean(np.linalg.norm(gt_points - pred_points, axis=1))

经过两个实际项目的磨练，我发现：