CloudCompare标注数据入门指南：从零开始掌握3D点云标注

1次阅读

共计 1376 个字符，预计需要花费 4 分钟才能阅读完成。

在三维重建、自动驾驶、机器人导航等领域，点云 (Point Cloud) 数据是重要的信息来源。通过标注点云中的物体（如车辆、行人、建筑物），我们可以为机器学习模型提供训练数据。举个实际例子：自动驾驶汽车需要准确识别周围环境，这就依赖于大量标注好的激光雷达点云数据。

CloudCompare：
优点：开源免费、支持多种点云格式、标注工具丰富
缺点：界面稍显复杂、缺少团队协作功能
LabelCloud：
优点：专为标注设计、操作简单
缺点：功能相对单一
Supervisely：
优点：云端协作、项目管理完善
缺点：收费、需要网络连接

对于个人学习和小型项目，CloudCompare 是最佳选择。

打开 CloudCompare，点击 ”File” > “Open” 导入点云文件（支持.pcd/.las/.ply 等格式）
使用 ”Edit” > “Subsample” 对密集点云降采样，提升运行速度
通过 ”Tools” > “Segmentation” > “RANSAC” 去除地面点

边界框标注：
点击 ”Tools” > “Labeling” > “Create Bounding Box”
在点云上拖动创建 3D 框
右键调整框体大小和位置
多边形标注：
选择 ”Tools” > “Labeling” > “Polyline”
在多个视角下连续点击创建闭合区域

标注完成后，可以导出为：
– CSV 格式：包含物体类别和坐标信息
– JSON 格式：保留完整的标注元数据

import json
from pathlib import Path

def process_annotations(annotation_dir: Path):
    """批量处理标注文件"""
    try:
        for json_file in annotation_dir.glob('*.json'):
            with open(json_file, 'r') as f:
                data = json.load(f)

            # 示例：提取所有车辆标注
            vehicles = [obj for obj in data['objects'] 
                       if obj['class'] == 'vehicle']

            print(f"{json_file.stem}: 找到 {len(vehicles)} 辆汽车")

    except Exception as e:
        print(f"处理 {json_file} 时出错: {str(e)}")

if __name__ == "__main__":
    process_annotations(Path("./annotations"))