从0到1跑通3D点云标注：这款开源工具的全流程实操指南

【免费下载链接】point-cloud-annotation-tool项目地址: https://gitcode.com/gh_mirrors/po/point-cloud-annotation-tool

point-cloud-annotation-tool 是一款面向自动驾驶场景的开源 3D点云标注工具，它直接读取 KITTI 格式的点云数据，通过可视化的方式完成 3D 边界框的框取、微调与导出。这篇文章将跟随一次真实标注任务的推进顺序，从搭建环境开始，一直走到保存出第一份可以直接交给算法团队使用的标注文件。

先讲个真实遭遇：为什么 3D 点云标注比 2D 难一个量级

做过 2D 图像标注的工程师，第一次接触点云时多半会栽跟头。图像里画一个框，肉眼就能看出框住了什么；到了点云里，同样的框却像悬浮在虚空中的透明盒子——目标到底有没有被完整包住，得旋转视角、缩放细节反复确认。一位做数据标注的同学曾和我吐槽：一个红绿灯路口的三维场景，他光调整边界框角度就花了一个下午。

把两者的差异摊开看，会更清楚难在哪：

难点其实集中在三件事：怎么快速把框"扣"到目标上、怎么把框调到和点云严丝合缝、以及怎么保证一批人标出来的结果标准一致。point-cloud-annotation-tool 的设计思路，恰好是围绕这三个痛点逐个击破的。

先认识一下主角：三层结构与技术栈

这个项目没有把功能堆在一个大文件里，而是拆成了职责清晰的三层：

数据层 → Annotaion.cpp/h（标注数据的建模、加载、保存） 交互层 → vtkBoxWidgetRestricted + vtkAnnotationBoxSource（边界框的渲染与拖拽） 界面层 → visualizer.cpp/h + mainwindow.ui（Qt 界面、事件回调、工具栏）

几个值得留意的模块：

• vtkBoxWidgetRestricted：在标准 vtkBoxWidget 基础上做了裁剪，把旋转自由度限制在 Z 轴方向。这对自动驾驶场景很有意义——车辆、行人在俯视视角下通常只需绕竖直轴转，锁死另外两个自由度能避免框被拖成歪斜的怪形状。
• vtkAnnotationBoxSource：自定义的立方体渲染源，12 条棱线加 6 个半透明面，正面还用高亮做了区分，方便判断朝向。
• PointCloudColorHandlerLUT：点云按标签着色，选中点、地面点、普通点用不同颜色区分，交互反馈一目了然。

技术栈并不花哨，但都是三维可视化领域的熟面孔：PCL 1.8负责点云读写与分割算法，VTK 8.1负责渲染与交互组件，Qt5搭建界面。这套组合在 Ubuntu 16.04 和 Windows 10 上都验证过可运行。

从截图能看到工具的核心布局：左侧是标注列表和分类按钮区，中央是点云渲染区，左下角是红绿蓝三维坐标轴。刚加载完点云、还没开始框选时，界面大概就是这个样子。

二十分钟跑通第一个标注任务

与其罗列功能清单，不如直接跟着走一遍完整流程。整个过程可以压缩成五个步骤。

第一步：把工程跑起来。依赖就三样——PCL 1.8、VTK 8.1、Qt5。构建命令极短：

git clone https://gitcode.com/gh_mirrors/po/point-cloud-annotation-tool cd point-cloud-annotation-tool mkdir build && cd build cmake .. && make

项目里已经内置了 ccache 支持，二次编译会快不少。

第二步：加载点云，同名标注自动出现。打开 File → Open，选择.bin（KITTI 格式）或.pcd文件。这里有个省事的约定：如果点云是cloud.bin，工具会自动寻找同目录下的cloud.bin.txt，存在就一并加载进来。这意味着你中途关掉程序，下次打开同一份点云，之前的标注框会原样复原。

第三步：框选目标。按住鼠标左键在点云上划一个矩形选区，把想要标注的目标点圈进去。圈完后，左侧 Types 区域的五个分类按钮就派上了用场——点击任意一个，选区内的点就会自动生成一个贴合它们的 3D 边界框，并染上对应的颜色。

分类按钮与颜色的对应关系是固定的：

颜色编码还有一个好处：类别一旦选错，扫一眼场景就知道哪里标岔了。

第四步：微调边界框。单击场景中的某个框即可选中，这时框上会出现可拖拽的控制手柄，支持平移、缩放和绕 Z 轴旋转。调整过程中框会实时跟随鼠标，随时能对照点云确认贴合程度。

第五步：保存标注。保存动作会把所有框写回同名.txt文件。每行一条标注，格式与 Apollo 3D 标注规范兼容：

vehicle 2.5 1.2 0.3 1.8 4.2 1.5 0.8 pedestrian 1.2 0.5 0.2 0.8 1.8 0.6 0.5

七个浮点数依次是中心点 x/y/z、长、宽、高、偏航角。这套格式的好处在于，导出的文件可以直接喂给主流的自动驾驶算法框架，不需要再做格式转换。

地面点去除：两种模式该怎么选

点云里数量最庞大的往往不是目标，而是地面。密密麻麻的地面点会严重干扰框选操作——所以动手标注前，通常要先做一步"地面点去除"，把地面点从可选集合里摘出去。工具提供了两种模式：

实际使用中可以两条腿走路：先跑一次平面检测把大块地面吃掉，如果还剩一些零碎的近地点，再用阈值模式补一刀。被判定为地面的点会变色，而且框选时会被自动过滤，不会混进标注选区。

把效率再往上顶一档：选择模式、快捷键与质量控制

熟手和新手的差距，往往就差在几个快捷键上。这个工具的选择逻辑相当克制，核心就一套：

这套加减集操作看似简单，实际是处理重叠目标、遮挡目标的神器。比如一辆车被树挡住了半边，可以先整片框选，再用 Ctrl 把树的部分减掉，剩下的点就是干净的车辆点云。

标完一个场景后，建议按这份清单过一遍再保存：

• 所有框都与点云轮廓贴合，没有明显的悬空或吃进目标内部
• 同一类目标颜色一致，没有标错类别
• 无遗漏、无重复标注
• 旋转视角从俯视、侧视、正视三个方向各检查一遍
• 确认保存的 txt 与点云文件同名

上图是一个场景标注完成后的样子。可以看到大量紫色框和少量红色框共存的密集场景——多个框同时存在时，靠颜色区分类型比靠记忆高效得多。

多人协作与大批量数据的性能思路

标注从来不是一个人的活。团队协作时，比较顺的做法是：先统一标注规范（包括各类别的框选边界、遮挡目标怎么处理），再按区域或场景分片派单，最后由专人交叉抽检。由于每个文件是独立的 txt，合并成果时把文件汇总即可，天然支持并行作业。

当数据量上来之后，性能问题会逐渐浮现。几点可以落地的思路：

• 编译层面：项目已默认启用 ccache，反复修改代码重新编译时能省下大量时间
• 数据层面：把大规模点云按帧或按区域分片，一次只加载一小段，减少内存和 IO 压力
• 操作层面：预先把相邻帧的点云缓存到内存，切换场景时秒级响应
• 渲染层面：对超大点云启用抽稀或分级显示，拉远视角时降低渲染密度

遇到问题，先查这张表

实际使用中最常碰到的几个状况，基本都能在这张表里找到对应解法：

上手前，需要知道的三件事

其一，先搞清数据约定。工具默认的点云是xyz + intensity四维的 KITTI-bin 格式，标注文件是"点云名 + .txt"的伴生文件。命名规范决定了一切，别在这上面踩坑。

其二，快捷键是效率的杠杆。一套x+Ctrl/Shift选择逻辑，加上一个Del删除键，就覆盖了 90% 的常用操作。先花十分钟把快捷键练熟，比任何技巧都管用。

其三，环境依赖别贪新。项目在 PCL 1.8 与 VTK 8.1 的组合上验证过，升级大版本未必更省心。Ubuntu 16.04 和 Windows 10 都能跑，但建议先用一个干净的 Linux 环境起手，出问题的概率更低。

至于这份工具适合谁、不适合谁，可以做个简单的自测：

• 如果你的团队在做 KITTI/Apollo 系数据集的预处理，需要快速产出合规标注 → 它很合适
• 如果你是个人研究者，想手动标注少量场景做算法验证 → 它也够用
• 如果你需要像素级联动（图像 + 点云同步标注），或希望用模型预标注自动兜底 → 它暂时覆盖不到

3D 点云标注的痛，经历过的人自然懂。好在工具并不复杂，动手比纠结重要得多——现在就拉一份点云，按上面的五步流程走一遍，二十分钟后，你就能拥有一份能直接送进训练流程的标注文件。🚀

【免费下载链接】point-cloud-annotation-tool项目地址: https://gitcode.com/gh_mirrors/po/point-cloud-annotation-tool