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，对于刚入门的科研慈祥的天空极不友好，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
勾选并点击数据(呈蓝色状)，未点击会出现不能框选现象：
Edit->Segment选中要标注的局域（绿色框）：
点击右上方的Segment in按钮得到标注区域：
点击Confirm Segmentation按钮保存：
目录会多一行数据，为刚才切割的部分：
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：
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：
建筑物的labelid为4，则填入4：
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：
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：
至此一次标注结束。
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。
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。
重复3.2操作，框选路面，得到下图：
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：
标注后观察到：
勾选全部数据，可发现不同标签的数据会显示不同颜色：
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：
点击Merge Multiple clouds按钮合并：
得到一份数据：
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。
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。
保存类型ASCII：
得到上面的两份数据：
记事本最后一列为标签：
重新导入这两份数据：
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。
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
标注一棵树，但是树底部草坪部分也被选中：
遵循步骤3.2，把树底部草坪部分切割出来，得到：
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：
对草坪部分重新标注，重复标注步骤3.3：
草坪属于是others，输入0：
观察到，标签已经区分出来：