三维点云——数据标注

数据处理-点云数据标注

    • 三维点云数据标注
    • 一.标注工具
    • 二.标签
    • 三.标注步骤
        • 3.1 导入数据
        • 3.2 框选标注区域
        • 3.3 对框选数据添加标签
        • 3.4 合并标注数据
        • 3.5 数据保存与重新打开
    • 四.标注视频
    • 五.错误解决
    • 六.注意事项
    • 七.可视化效果

三维点云数据标注

应该有很多刚开始接触三维深度学习的同学,都被安排过标注数据的工作,找到合适的标注方式是一个很困难的事情,博主在找标注工具的时候,几乎尝试过目前所有的标注工具,例如目前比较热门的PCAT_Open_Source, Semantic-Segmentation-Editor,此类软件比较优秀但也有一些弊端,例如安装步骤复杂,使用方式模糊不清,对于刚入门的科研小白极不友好,Lidar360包含了丰富的点云数据处理工具集, 但是不能用于点云精确标注,还有一些其他不是很主流的标注工具,也几乎都处于安装后也不能用于标注的状态。经过对比,选择了CloudCompare作为最终的标注工具,安装方式简单,标注流程清晰,标注后的可视化效果直观。下面是博主写的一份标注教程,已经尽量把所有可能遇到的困难都提示到了,请注意细节, 并看完整份标注教程再进行标注,避免出现错误,科研是份细腻的工作,标注亦是!

一.标注工具

CloudCompare2.9.0

下载链接:
https://pan.baidu.com/s/1sjnu3pHXu-3vaRaK1LC8-g

使用教程:
https://blog.csdn.net/datase/article/details/79797795

二.标签

Objects Label ID
其他 (e.g., 垃圾桶…) 0
路面 1
路面标志 (e.g., 斑马线,虚线,实线和箭头…) 2
3
建筑物 4
传输线(电线…) 5
杆 (e.g., 交通灯和灯杆…) 6
道路使用者 (e.g., 汽车和行人…) 7
围栏 8

三.标注步骤

3.1 导入数据

三维点云——数据标注_第1张图片
三维点云——数据标注_第2张图片
三维点云——数据标注_第3张图片
三维点云——数据标注_第4张图片

3.2 框选标注区域

勾选并点击数据(呈蓝色状),未点击会出现不能框选现象:
三维点云——数据标注_第5张图片
Edit->Segment选中要标注的局域(绿色框):

三维点云——数据标注_第6张图片
点击右上方的Segment in按钮得到标注区域:

三维点云——数据标注_第7张图片

点击Confirm Segmentation按钮保存:

三维点云——数据标注_第8张图片

目录会多一行数据,为刚才切割的部分:

三维点云——数据标注_第9张图片

取消原数据的勾选,单选切割部分的点云数据,界面会只显示切割部分:

三维点云——数据标注_第10张图片

3.3 对框选数据添加标签

工具栏操作:Edit -> Scalar fields ->Add constant SF 输入label:

三维点云——数据标注_第11张图片
建筑物的labelid为4,则填入4:

三维点云——数据标注_第12张图片
点击ok,观察到Scalar Fields下的Count值变为7(Count代表数据的标量数目,此份数据初始值为6,以下的举例都是以6作为基准,实际情况自行参考自己的数据集,每份数据的初始值不同。),标注的建筑物变为蓝色:

三维点云——数据标注_第13张图片
勾选全部数据,可观察到标记部分在全部数据中的显示效果:
三维点云——数据标注_第14张图片
至此一次标注结束。

3.4 合并标注数据

若要进行第二次标注,只需勾选未标注的数据,不勾选已经标注的数据,防止重复标注。可观察到已标注过的数据不显示。

三维点云——数据标注_第15张图片

未标注数据的Scalar Fields下的Count值一定是6(每份数据Count值不同,此处6作为一个初始Count的基准),若不是6,考虑是否在对已框选数据标注的过程,把未框选数据部分也勾选了,解决方案:选中未标注数据,Edit -> Scalar fields ->Delete,Scalar fields的Count会由7变为最初始的6。

三维点云——数据标注_第16张图片
重复3.2操作,框选路面,得到下图:

三维点云——数据标注_第17张图片
重复3.3操作,对路面进行标注,注意,只需勾选路面对应的数据并点击:

三维点云——数据标注_第18张图片
标注后观察到:
三维点云——数据标注_第19张图片
勾选全部数据,可发现不同标签的数据会显示不同颜色:
三维点云——数据标注_第20张图片
此处只做两个标签的数据合并展示,亦可多次进行3.2,3.3操作后再合并:
三维点云——数据标注_第21张图片
点击Merge Multiple clouds按钮合并:
三维点云——数据标注_第22张图片
得到一份数据:
三维点云——数据标注_第23张图片
此处可发现建筑物部分标注有误差,解决方案参考第五部分。建议确保每一类别数据标注准确后再合并不同类别数据,避免增加多余工作量。

3.5 数据保存与重新打开

软件可能会突然崩溃,所以标注一段时间后,注意保存,Ctrl键全部选中,点击保存按钮。
三维点云——数据标注_第24张图片
保存类型ASCII:
三维点云——数据标注_第25张图片
得到上面的两份数据:

在这里插入图片描述
记事本最后一列为标签:
三维点云——数据标注_第26张图片
重新导入这两份数据:
三维点云——数据标注_第27张图片
选中已经被标注的数据,将Colors设置为Scalar field,并将Active设为#7,可观察到不同标签的数据显示结果。

三维点云——数据标注_第28张图片
重复以上步骤,直到全部数据标注完成,合并为一份数据。

数据可能会如上图显示,将Colors设置为Scalar field,并将Active设为#7。

四.标注视频

链接:https://pan.baidu.com/s/1qs9UPtXP0r7E6Z9m2F9A7g
提取码:vygu

五.错误解决

标注一棵树,但是树底部草坪部分也被选中:

三维点云——数据标注_第29张图片
遵循步骤3.2,把树底部草坪部分切割出来,得到:
三维点云——数据标注_第30张图片

删除草坪部分错误的标签信息 Edit -> Scalar fields ->Delete,Scalar fields的Count由7变为最初始的6:

在这里插入图片描述
对草坪部分重新标注,重复标注步骤3.3:
三维点云——数据标注_第31张图片
草坪属于是others,输入0:
三维点云——数据标注_第32张图片
观察到,标签已经区分出来:

三维点云——数据标注_第33张图片

六.注意事项

  1. 标注过程中不断旋转数据集方向,保证每个点精确定位到每个类别。
  2. 滑动鼠标滑轮可放大缩小数据显示界面,点击界面按住鼠标左键拖动鼠标可旋转方向。
  3. 数据集周围分辨不清类别的点为噪声点,可忽略。
  4. 将Colors设置为RGB,数据集可恢复原始颜色。
  5. 关闭CloudCompare后所有标注都会消失,所以标注完成后的数据需保存到本地。
  6. 对于数据保存后重新打开,继续标注时,两个count值为7的数据合并后变成了一整个count值为8的数据,解决方案,标注时在SF name中输入Scalar field #7而不是label 。

七.可视化效果

三维点云——数据标注_第34张图片

你可能感兴趣的:(三维点云,数据分析,可视化,python,经验分享,深度学习)