CloudCompare标注KITTI点云数据实战：分开导出与合并导出的选择与实现

1次阅读

共计 1827 个字符，预计需要花费 5 分钟才能阅读完成。

KITTI 数据集是自动驾驶领域广泛使用的基准数据集，包含丰富的点云、图像和标注信息。点云数据通常以.bin 格式存储，每个文件对应一帧激光雷达扫描结果。CloudCompare 作为开源点云处理工具，其标注功能可以帮助我们为 KITTI 点云添加目标边界框（Bounding Box）。

KITTI 标注特点：每帧点云对应一个.txt 标注文件，包含目标类别、尺寸、位置和旋转角度等信息
CloudCompare 基础操作 ：通过Tools > Segmentation > Labeling 工具创建标注，支持 3D 框体编辑和属性设置

当处理连续帧点云时，开发者常面临导出方式的选择问题：

分开导出（每帧单独文件）
优点：与 KITTI 标准格式完全兼容，便于逐帧验证
挑战：大量小文件管理困难，批量处理时需要额外合并逻辑
合并导出（多帧到单个文件）
优点：减少文件数量，适合时序分析任务
挑战：需要后处理分割，可能破坏原始数据序列化结构

在 CloudCompare 中逐帧加载点云文件
使用标注工具创建 3D 边界框并设置属性
通过 File > Save 选择 Annotations to ASCII 导出单个.txt 文件
重复上述步骤处理所有帧

使用 CloudCompare 的 Edit > Merge 功能合并多帧点云
在合并后的点云上统一标注所有目标
导出时为每个标注添加 frame_id 自定义字段
通过 Python 后处理脚本按帧分割（见代码示例）

# 合并标注文件分割脚本
import os
from pathlib import Path

def split_combined_annotation(combined_file, output_dir):
    """
    将合并的标注文件按帧分割为 KITTI 标准格式
    :param combined_file: 合并后的标注文件路径
    :param output_dir: 分割后的输出目录
    """
    os.makedirs(output_dir, exist_ok=True)

    with open(combined_file) as f:
        annotations = {}
        for line in f:
            parts = line.strip().split(' ')
            frame_id = parts[-1]  # 假设最后一列为 frame_id
            if frame_id not in annotations:
                annotations[frame_id] = []
            annotations[frame_id].append(' '.join(parts[:-1]))

    for frame_id, lines in annotations.items():
        output_path = Path(output_dir) / f"{frame_id.zfill(6)}.txt"
        with open(output_path, 'w') as f_out:
            f_out.write('\n'.join(lines))

# 使用示例
split_combined_annotation('combined_labels.txt', 'output_labels')

通过实测 100 帧点云数据（约 1.2GB）：