当前位置：首页 > news >正文

从零上手SUSTechPOINTS：高效完成三维点云数据标注的完整指南

news 2026/5/15 23:08:33

1. 初识SUSTechPOINTS：三维点云标注利器

第一次接触三维点云标注的朋友可能会被各种专业术语吓到，其实用对工具就能事半功倍。SUSTechPOINTS是我用过最顺手的三维点云标注工具之一，特别适合自动驾驶和机器人领域的初学者。这个开源工具不仅支持多传感器数据融合标注，还能一键导出主流算法框架所需的数据格式。

记得我第一次用它标注KITTI格式数据时，原本需要半天的工作量，用快捷键操作半小时就搞定了。工具最让我惊喜的是支持批量自动标注功能，对于连续帧中点云变化不大的场景，能节省至少60%的标注时间。界面设计也很人性化，左侧是点云可视化区域，右侧是属性编辑面板，上下方还有便捷的工具栏。

2. 环境搭建与数据准备

2.1 一键式安装指南

安装SUSTechPOINTS比想象中简单很多，我这里分享个避坑指南。首先确保系统有Python3.7+环境，建议用conda新建虚拟环境：

conda create -n points python=3.8 conda activate points

然后按顺序执行以下命令：

git clone https://github.com/naurril/SUSTechPOINTS cd SUSTechPOINTS pip install -r requirement.txt wget https://github.com/naurril/SUSTechPOINTS/releases/download/0.1/deep_annotation_inference.h5 -P algos/models

常见问题排查：

如果遇到OpenGL相关错误，试试pip install pyopengl
报错"Unable to load OpenGL library"时，Ubuntu需要sudo apt install libgl1-mesa-glx
Windows用户建议安装VC++ 2015-2019运行库

2.2 数据结构标准化技巧

工具要求特定目录结构，这里给出两种典型配置方案。基础版适合只有激光雷达数据的项目：

+- data +- scene1 +- lidar +- 0000.pcd +- 0001.pcd +- label +- 0000.json +- 0001.json

多传感器版支持相机、雷达数据融合标注：

+- scene2 +- lidar +- 0000.pcd +- camera +- front +- 0000.jpg +- radar +- front_points +- 0000.pcd +- calib +- camera +- front.json +- label +- 0000.json

实测发现几个优化点：

PCD文件建议用二进制格式，体积比ASCII小80%
图像分辨率不要超过1920x1080，否则加载会卡顿
标定文件建议用工具自带的模板生成

3. 标注实战全流程

3.1 基础标注三步法

启动服务后浏览器访问http://127.0.0.1:8081，新手建议按这个流程操作：

数据加载：左上角下拉菜单选数据集目录→选择具体pcd文件
创建标注：右键→New→选择类别（行人/车辆等）
调整属性：选中框体后，在右侧面板修改尺寸/位置，或在三个视图窗口直接拖动

有个实用技巧：按住Shift+鼠标滚轮可以调整点云透明度，这对遮挡物标注特别有用。遇到密集点云时，可以按B键开启背景点过滤，标注效率能提升3倍。

3.2 高阶标注技巧

快捷键组合拳是我最推荐掌握的技能：

框选优化：Ctrl+左键快速选区 → 按V进入批量模式 → 右键Auto annotate
旋转技巧：Q/E微调角度，配合R/F自动适配大小
帧间跳转：PageUp/PageDown比鼠标点快10倍

对于连续帧相似物体，试试这个骚操作：

在第一帧标注好标准物体
按V进入批量模式
在后续帧中找到对应点云
右键选择"Copy from previous"
微调位置即可

4. 标签处理与格式转换

4.1 自定义标签模板

修改obj_cfg.js可以扩展标注类别，比如增加交通锥：

{ name: "traffic_cone", display_name: "Traffic Cone", color: "#FFA500", size: [0.3, 0.3, 0.5], attributes: [ {name: "damaged", type: "boolean", default: false} ] }

4.2 转OpenPCDet格式实战

原始JSON标签转TXT的Python脚本可以这样优化：

def convert_to_opencdet(json_path): with open(json_path) as f: data = json.load(f) output_lines = [] for obj in data: line = [ obj["obj_type"], *map(str, obj["psr"]["position"].values()), *map(str, obj["psr"]["scale"].values()), str(obj["psr"]["rotation"]["z"]) ] output_lines.append(" ".join(line)) txt_path = json_path.replace(".json", ".txt") with open(txt_path, "w") as f: f.write("\n".join(output_lines))

这个改进版脚本：