如何在Windows/Ubuntu系统搭建3D点云标注环境?零基础掌握自动驾驶标注工具
2026-04-17 08:15:58作者:田桥桑Industrious
在自动驾驶技术研发过程中,精确的3D点云标注是训练感知模型的基础。本文将带你5分钟上手跨平台3D点云标注工具,轻松实现KITTI-bin格式点云的3D框注释,其标注格式与Apollo 3D标准完全兼容,支持加载、保存、可视化及点云选择等核心功能。
一、场景化需求:为什么选择这款标注工具?
当你需要处理以下任务时,这款工具能显著提升效率:
- 自动驾驶数据集的3D目标框标注
- 点云数据的可视化与交互分析
- 生成符合行业标准的标注结果
图1:工具主界面展示了点云数据的3D框标注效果,左侧为标注类型选择面板
二、核心功能解析:工具能为你做什么?
2.1 核心依赖解析
| 依赖项 | Ubuntu 16.04 | Windows 10 |
|---|---|---|
| 基础编译工具 | cmake, gcc, g++ | Visual Studio 2017+ |
| GUI框架 | qt5-default, libqt5opengl5-dev | Qt5 SDK |
| 可视化库 | libvtk8.1-dev | VTK 8.1+ |
| 点云处理 | libpcl-all | PCL 1.8+预编译库 |
2.2 核心功能亮点
- 多格式支持:原生支持KITTI-bin格式点云文件
- 智能标注:提供自动平面检测和阈值分割功能
- 直观交互:通过鼠标拖拽即可调整3D框位置与大小
- 格式兼容:标注结果与Apollo 3D格式无缝对接
图2:大规模点云场景的标注效果,紫色框体表示已标注的目标对象
三、跨平台部署指南
3.1 Ubuntu系统快速部署
「1/3 环境准备」
🔧 执行命令:
sudo apt-get update
sudo apt-get install cmake gcc g++ qt5-default libqt5opengl5-dev libvtk8.1-dev libpcl-all
⚠️ 检查点:安装完成后可通过qmake -v验证Qt版本,确保输出5.x以上版本信息
「2/3 编译流程」
🔧 执行命令:
git clone https://gitcode.com/gh_mirrors/po/point-cloud-annotation-tool
cd point-cloud-annotation-tool
mkdir build && cd build
cmake ..
make -j4
「3/3 验证测试」
🔧 执行命令:
./point-cloud-annotation-tool
3.2 Windows系统部署指南
「1/3 环境准备」
⚠️ 需提前安装:
- Visual Studio 2017或更高版本
- PCL 1.8+预编译库(含VTK组件)
- Qt5 SDK(选择与VS版本匹配的编译器)
「2/3 编译流程」
🔧 执行命令:
git clone https://gitcode.com/gh_mirrors/po/point-cloud-annotation-tool
cd point-cloud-annotation-tool
mkdir build && cd build
cmake .. -G "Visual Studio 15 2017 Win64"
然后用Visual Studio打开build目录下的.sln文件,点击"生成"→"生成解决方案"
「3/3 验证测试」
在Visual Studio中按F5运行,或直接在build/Debug目录下双击可执行文件
四、实用技巧与常见问题
4.1 快速操作技巧
- 快捷键:按B键快速创建3D框,按Delete删除选中框体
- 视图控制:鼠标滚轮缩放,右键拖动旋转视角
- 批量操作:按住Ctrl键可多选标注框进行批量编辑
4.2 常见问题速查
Q: 编译时提示"VTK not found"怎么办?
A: 确保VTK开发包已安装,Ubuntu可执行sudo apt-get install libvtk8-dev,Windows需在CMake时指定VTK_DIR路径
Q: 程序启动后黑屏无显示?
A: 检查点云文件路径是否正确,确保文件格式为KITTI-bin格式
Q: 无法保存标注结果?
A: 确认当前用户对保存目录有写入权限,建议先在终端执行chmod +w ./annotations
五、功能扩展建议
- 批量处理:可开发脚本实现多文件自动标注流程
- AI辅助:集成预训练模型实现标注建议功能
- 格式转换:添加对COCO、PASCAL VOC等格式的支持
如需自定义编译选项,可参考项目内的cmake配置文档。这款工具持续更新中,欢迎贡献代码或提出改进建议。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
热门内容推荐
最新内容推荐
3D动漫渲染与卡通风格实现:Poiyomi Toon Shader全解析7个颠覆性技巧:用Virt-Manager实现虚拟机管理效率倍增告别会议截止日焦虑:AI Deadlines让全球学术日程管理化繁为简3个步骤掌握ESP32音频开发:从硬件连接到物联网音频方案突破设备限制:VR-Reversal解锁3D视频新玩法——普通设备实现自由视角观看的技术方案开源工具G-Helper启动优化与故障解决指南4大维度破解地理空间智能难题:面向研究者与从业者的AI工具指南3步掌握英雄联盟回放深度分析:从安装到战术拆解Windows驱动签名绕过与内核工具实践指南CyberdropBunkrDownloader:多平台文件下载工具全解析
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
672
4.3 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
514
622
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
943
884
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
398
299
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.56 K
906
暂无简介
Dart
918
222
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
335
381
昇腾LLM分布式训练框架
Python
142
169
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
133
212

