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 2401 个字符，预计需要花费 7 分钟才能阅读完成。

在三维重建、自动驾驶和地质勘探等领域，Point Cloud（点云）数据的标注是基础且关键的步骤。通过标注，我们可以为点云中的特定区域或对象添加语义信息，比如分类标签、边界框或自定义属性。CloudCompare 作为开源的点云处理软件，提供了基础的标注功能，但面对大规模数据时，手动操作效率低下，这时候就需要结合自动化脚本来提升效率。

操作繁琐：标注大量点或区域时，需要反复点击，容易疲劳且耗时。
属性管理困难：手动添加的属性（如分类标签、颜色）容易遗漏或出错。
重复性工作：同一批数据的标注规则无法复用，每次都需要重新操作。
缺乏批量处理：GUI 界面无法直接支持批量标注或脚本化操作。

打开 CloudCompare 并加载点云数据（File > Open）。
选择工具栏中的 ”Segment” 或 ”Label” 工具，进入标注模式。
使用鼠标在点云上框选需要标注的区域。
右键点击选区，选择 ”Add Label” 或 ”Edit Properties”，输入标注信息。
保存标注结果（File > Save）为 CC 支持的文件格式（如 LAS 或 PLY）。

虽然 GUI 操作直观，但面对成千上万个点时，这种方法的效率显然不够。

CloudCompare 支持通过 Python 脚本调用其 API，实现自动化标注。以下是完整的代码示例：

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

# 配置日志模块，方便调试和错误追踪
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')
logger = logging.getLogger(__name__)

def batch_label_points(point_cloud_path: str, labels: List[Dict]) -> bool:
    """
    批量标注点云数据

    Args:
        point_cloud_path (str): 点云文件路径
        labels (List[Dict]): 标注信息列表，每个字典包含 'coordinates' 和 'label'

    Returns:
        bool: 是否成功完成标注
    """
    try:
        # 加载点云
        cloud = cc.loadPointCloud(point_cloud_path)
        if not cloud:
            logger.error(f"Failed to load point cloud: {point_cloud_path}")
            return False

        # 初始化标注工具
        label_tool = cc.LabelingTool(cloud)

        # 批量添加标注
        for label_info in labels:
            coords = label_info['coordinates']  # 格式: [x, y, z]
            label = label_info['label']

            # 添加单个标注
            success = label_tool.addLabel(coords, label)
            if not success:
                logger.warning(f"Failed to add label at {coords}")

        # 保存标注结果
        output_path = point_cloud_path.replace('.las', '_labeled.las')
        cc.savePointCloud(cloud, output_path)
        logger.info(f"Labeled point cloud saved to: {output_path}")

        return True
    except Exception as e:
        logger.error(f"Error during batch labeling: {str(e)}", exc_info=True)
        return False

# 示例调用
if __name__ == "__main__":
    labels = [{'coordinates': [1.2, 3.4, 5.6], 'label': 'tree'},
        {'coordinates': [2.3, 4.5, 6.7], 'label': 'building'}
    ]
    batch_label_points("sample.las", labels)

我们对 10,000 个点进行了手动标注和脚本标注的耗时测试：