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 1528 个字符，预计需要花费 4 分钟才能阅读完成。

点云（Point Cloud）数据是三维空间中的离散点集合，广泛应用于自动驾驶、三维重建、机器人导航等领域。在这些场景中，我们需要对点云中的物体进行标注，以便训练机器学习模型识别和理解环境。例如，在自动驾驶中，标注车辆、行人、障碍物等目标，帮助汽车感知周围环境。

市面上有多种点云标注工具，各有优缺点。以下是 CloudCompare 与其他常见工具的对比：

CloudCompare
优点：开源免费，功能强大，支持多种点云格式，适合科研和小规模项目
缺点：界面稍显复杂，缺乏专门的标注项目管理功能
LabelCloud
优点：专门为点云标注设计，操作简单
缺点：功能相对有限，不支持复杂标注类型
Supervisely
优点：云端协作，适合团队项目
缺点：收费，需要网络连接

对于初学者和小规模项目，CloudCompare 是一个很好的起点。

启动 CloudCompare，点击 ”File” > “Open” 导入点云文件（支持.pcd, .ply, .las 等格式）
使用 ”Edit” > “Segment” 工具去除噪点和无关区域
通过 ”Tools” > “Projection” 调整视角以便更好地观察

CloudCompare 提供多种标注方式：

边界框标注
选择 ”Tools” > “Primitive” > “Box”
在点云上拖动创建 3D 边界框
调整框体大小和位置
多边形标注
选择 ”Tools” > “Polyline”
在多个视角下点击创建多边形
闭合多边形完成标注

完成标注后：

右键点击标注对象，选择 ”Save”
可选择导出为.json 或.csv 格式
建议同时保存工程文件 (.bin) 以便后续修改

import json
from pathlib import Path

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

            # 示例处理：计算标注物体数量
            obj_count = len(data['objects'])
            print(f"文件 {ann_file.name} 包含 {obj_count} 个标注物体")

    except json.JSONDecodeError as e:
        print(f"错误：文件 {ann_file} 不是有效的 JSON 格式")
    except Exception as e:
        print(f"处理 {ann_file} 时发生错误: {str(e)}")

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

点云密度越高，标注精度通常越好，但也会增加处理难度。建议：