CloudCompare点云数据标注实战：从基础操作到自动化脚本

1次阅读

共计 2095 个字符，预计需要花费 6 分钟才能阅读完成。

在三维数据处理中，点云 (Point Cloud) 标注是基础且关键的一步。无论是自动驾驶中的障碍物识别，还是建筑 BIM 模型中的构件分类，都需要通过标注为原始点云赋予语义信息。CloudCompare 作为开源点云处理工具，其标注功能虽然基础，但配合脚本扩展能发挥巨大价值。

批量操作困难：每次只能框选少量点云，面对数万级点时点击操作易疲劳
属性管理混乱：不同类别的标注属性（如颜色、标签）需要反复切换工具栏
版本追溯缺失：人工标注难以记录修改历史，团队协作时容易产生冲突

打开点云文件（支持.las/.ply/.pcd 等格式）
点击工具栏【Edit】→【Segment】进入标注模式
使用矩形框选工具划定待标注区域
右键选择【Edit】→【Set color】或【Add scalar field】添加属性

（图示：红框内为关键操作按钮）

import cloudcompare as cc
from typing import List, Dict
import logging

class PointCloudAnnotator:
    """
    点云批量标注工具
    :param cloud_path: 点云文件路径
    :param output_path: 标注结果保存路径
    """
    def __init__(self, cloud_path: str, output_path: str):
        self.cloud = cc.loadPointCloud(cloud_path)
        self.output = output_path
        logging.basicConfig(filename='annotation.log', level=logging.INFO)

    def batch_annotate(self, regions: List[Dict], label_field: str = 'class'):
        """
        批量标注多边形区域
        :param regions: 每个区域包含 points 坐标和 label 值
        :param label_field: 标注字段名称
        """
        try:
            if not self.cloud:
                raise ValueError("点云加载失败")

            # 创建标注字段
            self.cloud.addScalarField(label_field, 0.0)

            for region in regions:
                vertices = region['points']  # 多边形顶点坐标
                label = region['label']

                # 选择区域内的点
                selected = cc.selectPointsInPolygon(
                    self.cloud, 
                    vertices,
                    cc.SELECTION_MODE.INSIDE
                )

                # 设置标注值
                selected.setScalarValue(label_field, float(label))
                logging.info(f"标注区域: {vertices}, 标签: {label}")

            # 保存结果
            cc.savePointCloud(self.cloud, self.output)

        except Exception as e:
            logging.error(f"标注失败: {str(e)}")
            raise

# 使用示例
if __name__ == "__main__":
    annotator = PointCloudAnnotator("input.las", "output.las")

    # 定义标注区域
    regions = [{"points": [(x1,y1,z1), (x2,y2,z2), ...], "label": 1},  # 类别 1
        {"points": [(x3,y3,z3), (x4,y4,z4), ...], "label": 2}   # 类别 2
    ]

    annotator.batch_annotate(regions)