labelCloud 开源三维点云工具标注自制点云数据集(以.bin格式点云为例)

本文介绍了如何使用LabelCloud进行点云数据集的标注,包括软件安装步骤、标注技巧以及基于Open3D的可视化方法。通过QWE/ASD移动和X/Y转动标注框,鼠标滚轮调节尺寸和视野,实现高效标注。同时,文章详细阐述了标注后的标签转换和在Lidar坐标系下的可视化操作,确保与KITTI数据集格式一致。
摘要由CSDN通过智能技术生成

一、软件安装

1.以如下命令安装(下载可能有问题,需要网络好一些):

git clone https://github.com/ch-sa/labelCloud.git

2.在Conda环境下新建一个虚拟环境安装标注软件所需的依赖(对网速有要求):

conda create -n label3.8 python=3.8 -y

3.进入创建的虚拟环境:

conda activate label3.8

4.将需要标注的.bin格式(已经转换好)的点云文件放入pointclouds文件夹下(labels为标注好后对应保存标签的位置):

在下载的标注软件labelCloud路径下启动配置的虚拟环境,安装相关依赖:

pip install -r requirements.txt

输入如下代码启动软件(展示的是已标注好的):

python labelCloud.py

二、标注Tricks

1.标注框移动:

QWE 控制框上下、左右、前后移动;
 ASD

2.标注框转动:

X/Y控制标注框转动,标注时尽量将标注框内显示的箭头指向车头朝向位置;

3.标注框(单面)尺寸调节:

鼠标停留在标注框某个面上后,移动滚轮可调节当前标注框鼠标所在面的大小(前后移动);

4.标注视野移动:

鼠标点击长按右键并拖动鼠标,能够移动视野区域;

5.标注视野分辨率改变:

鼠标只在标注视野内滚动滚轮则为改变视野分辨率(放大或缩小);

6.标注设置:

在顶栏找到“Setting==>Change Setting”按钮可对标注内容进行设置(框初始大小,类别数量,标注格式)。

三.基于Open3d可视化:

1.标注好后的标签如下:

 红框内数据按位分别表示: h w l(高宽长) x y z(相机坐标系下标注框的几何中心) yaw(相机坐标系下的朝向角),即标注形式与kitti数据集标注格式保持一致(除了xyz,kitti是底面中心),因此在Lidar坐标系下可视化需要对应转换,有关Lidar坐标系和Cam坐标系的表达可参考:

KITTI 3D目标检测数据集解析(完整版)_Maples丶丶的博客-CSDN博客_kitti目标检测

2.令Lidar坐标系下对应数据设置为:h` w` l` x` y` z` yaw`,则有如下关系:

h`=h  w`=w  l`=l  x`=z  y`=-x  z`=-y   yaw`=yaw + pi/2

根据对应关系可在Lidar坐标系下可视化对应的标注结果,如下:


总结

最后感谢:利用 labelCloud 开源工具标注自己的点云数据集为KITTI标注格式教程(支持pcd、bin格式点云)_用券买土豆的博客-CSDN博客_点云数据集标注

提供的参考。

  • 8
    点赞
  • 91
    收藏
    觉得还不错? 一键收藏
  • 31
    评论
### 回答1: 斯坦福龙三维点云是指斯坦福大学发布的一种点云数据格式,后缀名为.pcd。点云是由大量离散的点构成的三维空间数据,可以用来描述物体的形状、位置和表面细节等信息。 斯坦福龙是一种经典的三维重建算法,可以从多个角度捕获物体的点云数据,并通过特定的算法处理和重建这些点云信息。由于斯坦福龙的点云数据具有广泛的应用场景,斯坦福大学将其点云数据保存为.pcd格式,以便于存储和共享。 .pcd格式是一种开源三维点云数据格式,其采用二进制形式存储点云数据。它的设计初衷是为了提供一种简单、高效的格式,可以快速加载和处理大规模的点云数据。.pcd文件包含点的坐标信息、颜色信息以及其他可选的属性信息,可以与各种点云处理工具和库进行兼容。 使用.pcd格式点云数据,研究人员可以方便地进行点云的读取、处理、可视化和分析。在计算机视觉、机器人、虚拟现实等领域,点云数据广泛应用于物体识别、场景重建、运动规划等任务中。斯坦福龙三维点云的.pcd格式为这些研究工作提供了方便和支持。 ### 回答2: 斯坦福大学的龙三维点云(PCD)是一种常用的点云数据格式,它用于存储和处理三维模型的信息。点云数据是由激光雷达或其他三维扫描设备生成的一系列三维坐标点的集合,用于描述目标物体的形状和结构。 斯坦福龙三维点云(PCD)采用了一种简单而强大的文件格式来存储点云数据。PCD文件可以存储不同类型的点云数据,例如有颜色信息的点云、法线信息的点云等。它还包含了点云的元信息,例如点的数量、维度和坐标范围等。这些信息使得对点云进行处理和分析变得更加方便。 使用斯坦福龙三维点云库和PCD文件格式,研究人员和开发者可以进行各种点云数据的操作和应用。例如,可以对点云数据进行滤波处理,去除离群点或平滑点云表面。还可以进行特征提取,提取点云的边缘、曲率等特征。此外,研究人员还可以使用斯坦福龙三维点云库进行点云数据的可视化和交互操作,从而更好地理解和分析点云数据。 总之,斯坦福龙三维点云(PCD)提供了一种方便且通用的方式来存储和处理点云数据。它为点云数据的应用和研究提供了强大的工具和支持。无论是进行点云数据的滤波、特征提取还是可视化,斯坦福龙三维点云库和PCD文件格式都是非常有价值的资源。 ### 回答3: 斯坦福龙三维点云(Stanford Bunny 3D Point Cloud)是一种常见的三维点云数据集,由斯坦福大学的篮球队吉恩·塞帕斯坦编制。它是计算机图形学领域中常用的测试数据集之一。 斯坦福龙三维点云是由一系列的点构成的模型,形状类似于一只坐在地上并向上张望的兔子。点云中的每一个点都代表着空间中的一个坐标,通过这些点的集合,我们可以重建出兔子模型的三维形状。 这个点云数据集经常被用于测试和评估三维点云处理算法的性能。例如,它可以用于点云重建、物体识别、姿态估计等任务的研究和验证。因为它的形状复杂但不过于复杂,所以可以作为评估算法性能的一个合适的基准。 斯坦福龙三维点云数据集是以PCD文件格式保存的,PCD是一种常见的点云数据保存格式。该格式可以存储点云的坐标、法向量、颜色等信息。 通过使用斯坦福龙三维点云数据集,研究人员可以更好地理解和探索点云数据处理算法的优缺点、提出改进方法,并为3D计算机图形学和计算机视觉等领域的进一步研究提供基础。
评论 31
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值