程序员经验分享-hwhale

常见的3d bounding box标注工具

2023-05-16

0. 简介

对于3d bounding box而言，近几年随着自动驾驶的火热，其标注工具也日渐多了起来，本篇文章不讲具体的算法，这里主要聚焦于这些开源的3d bounding box标注工具，以及他们是怎么使用的。这里借鉴了我想静静，博主的博客作为基础，然后再结合自己的使用与了解完成扩充。

1. 3d-bat

在本文中，我们专注于在新型 3D 边界框注释工具箱 (3D BAT) 的帮助下获取 2D 和 3D 标签，以及道路上物体的轨迹 ID。 我们基于 Web 的开源 3D BAT 包含多项智能功能，以提高可用性和效率。例如，此注释工具箱支持使用插值对轨迹进行半自动标记，这对于跟踪、运动规划和运动预测等下游任务至关重要。
此外，通过将注释从 3D 空间投影到图像域中，可以自动获得所有相机图像的注释。除了原始图像和点云馈送外，还提供由顶视图（鸟瞰图）、侧视图和前视图组成的主视图，可用于从不同角度观察感兴趣的对象。 我们的方法与其他公开可用的注释工具的比较表明，使用我们的工具箱可以更快、更有效地获得 3D 注释。支持点云渲染，2D 俯视图，立方体标注，下面这篇文章讲了具体的使用与安装方法
在这里插入图片描述

2. point-cloud-annotation-tool

为了标注点云数据，根据使用要求和方便程度最终选择了这款可以在Windows下编译安装的point-cloud-annotation-tool，基于QT和vtk和PCL进行编译。其主要可以支持以下几种标注格式

  1. 支持点云数据加载、保存与可视化
  2. 支持点云数据选择
  3. 支持3D BOX框生成
  4. 支持KITTI-bin格式数据

下面这篇文章讲了在Windows下具体的使用与安装方法，而对于Ubuntu的用户来说，可以参考这个文章
在这里插入图片描述

3. SUSTechPoints

在得到图像数据，激光雷达数据，标定数据之后,需要进行3D目标框标注。本文采用的标注工具采用的是:SUSTechPOINTS。这个工具是2020年IEEE收录的，是一个比较好的开源项目，可以使得激光雷达和图像数据联合标注。其主要可以完成点云渲染, 3视图, 2D 相机图, 交互较流畅，半自动框注释（需要额外的包）自动对象跟踪 ID 生成，具体的安装使用可以看这篇文章
在这里插入图片描述

4. annotate

感知算法的评估需要标记的地面真实数据。受监督的机器学习算法需要标记的训练数据。“annotate”是在ROS/RViz中创建三维标记边界框的工具。它的标记数据既可以作为机器学习算法的训练数据，也可以作为评估的基础数据。具体的使用可以参考这篇文章
在这里插入图片描述

5. Label家族

5.1 Labelhub

Labelhub作为一个支持网页端标注的标注软件。其支持所有类型的图片标注，支持2D图像（.jpg和.png文件）的3视图映射。还支持LIDAR生成的3D点云（.pcd文件）中目标的标注，支持3D BOX框生成。最好用的还是其可以通过预置训练模型可进行目标自动识别，贴边等。免费体验地址如下http://labelhub.cn/。如果需要具体使用这个软件，可以参考这个博客
在这里插入图片描述

5.2 labelImg-kitti（bev）

使用该软件可以直接提供bev视角的标注，得到kitti格式，这个就是在传统的IabelImg上进行了扩充，增加了bev视角下深度点云的标注，具体使用可以参考这篇文章

在这里插入图片描述

6. 在线标注annotate.photo

…详情请参照古月居

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

Bounding

Box

标注工具

常见的3d bounding box标注工具 的相关文章

随机推荐

  • Copy宿主机文件到Docker容器中

    1 查找容器名 docker ps CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES 67686c68c78c keycloak v3 34 opt keycloak bin k 3

  • K8S中部署Grafana

    官方部署文档 xff1a Deploy Grafana on Kubernetes Grafana Labs 以下Yaml从官方copy下来的并做了些修改 xff0c Service使用Nodeport方式是为了便于本地访问 cat gra

  • 在 AlertManager 报警通知中展示监控图表

    参考原文档 xff1a 在 AlertManager 报警通知中展示监控图表 Promoter 是一个用于 AlertManager 通知的 Webhooks 实现 xff0c 支持在消息通知中展示实时报警图表 xff0c 也支持定制消息通

  • Github添加SSH keys

    问题 xff1a 在本地 xff08 linux系统 xff09 下载github仓库源代码时 xff0c 执行git clone 命令时出现以下报错 xff1a git clone git 64 github com hh hub pro

  • 阿里技术大牛最爱的“闲书”，你看过多少？

    在忙碌的写代码 修bug生活里 xff0c 你有多久没有闲下来 xff0c 读读 闲书 xff0c 取悦自己了呢 xff1f 正如梁文道所说 xff0c 读一些无用的书 xff0c 做一些无用的事 xff0c 花一些无用的时间 xff0c

  • blackbox_exporter 黑盒监测

    一 简介 blackbox exporter blackbox exporter是Prometheus 官方提供的 exporter 之一 xff0c 可以提供 http dns tcp icmp 的监控数据采集 xff0c blackbo

  • Python 与Django环境搭建

    系统 xff1a Windows 10 python环境搭建 1 python安装步骤 python包下载链接 xff1a https www python org downloads windows 下载版本 xff1a python 3

  • prometheus图

    Prometheus Server 框架图 xff0c 只要能提供对应的metrics接口 xff0c promehteus就能接入监控 xff0c prometheus会把抓取到的指标数据持久化到本地磁盘中 xff0c 跟其它数据库一样它

  • 经典文献阅读之--BEVDistill(BEV蒸馏)

    0 简介 之前作者前段时间在研究BEV的相关算法 xff0c 当时就觉得BEV算法好是好 xff0c 但是所需要的内存以及计算资源实在是太大了 xff0c 无法实时在真实场景中运行 我们知道多视图 xff08 multi view 三维目标

  • 经典文献阅读之--FastFlowNet(轻量光流估计)

    0 简介 密集的光流估计在许多机器人视觉任务中起着关键作用 随着深度学习的到来 xff0c 已经比传统方法以令人满意的精度预测了它 然而 xff0c 当前的网络经常占用大量参数并且需要沉重的计算成本 这些缺点阻碍了在功率或内存受限的移动设备

  • Matlab与ROS(1/2)---Message(三)

    0 简介 消息是ROS中交换数据的主要容器 主题和服务使用消息在节点之间传输数据 为了标识其数据结构 xff0c 每条消息都有一个消息类型 例如 xff0c 来自激光扫描仪的传感器数据通常以sensor msgs LaserScan类型的消

  • Matlab与ROS(1/2)---发布者和订阅者数据通信（四）

    0 简介 我们在前面一节介绍了Matlab与Message的通信 xff0c 而我们这一节主要来介绍发布者和订阅者在Matlab中的操作 这部分我们主要来看一下ROS1和ROS2中分别是如何使用Topic的 1 ROS1的消息订阅与发布 1

  • Matlab与ROS(1/2)---服务端和客户端数据通信（五）

    0 简介 在前几讲我们讲了Matlab中的Message以及Topic的相关知识 而ROS主要支持的通信机制还有服务这一类 服务通过允许请求以及响应的通信方式 xff0c 来给整个系统完成更紧密的耦合 服务客户端向服务服务器发送请求消息并等

  • Matlab与ROS---Action与Gazebo（六）

    0 简介 对于ROS1而言 xff0c 其在Matlab当中相较于ROS2还有一些比较高级的用法 xff0c 比如说我们接下来要说的Action和Gazebo仿真 1 ROS Action ROS的Action行为模式当中也存在有一个客户端

  • Matlab与ROS---TF坐标系（七）

    0 简介 我们上面讲了最基础的通信机制以及在Matlab中如何使用这些通信 xff0c 下面我们这一讲来主要介绍ROS当中最常用的TF坐标系在Matlab中的使用 tf是分布式的 xff0c 因此所有的坐标帧信息对ROS网络中的每个节点都是

  • OCR如何读取皱巴巴的文件？深度学习在文档图像形变矫正的应用详解

    阿里妹导读 xff1a OCR作为智能审核的重要环节 xff0c 其识别准确率影响着最终审核效果的好坏 xff0c 而来自扫描仪 智能手机的文档图像多存在卷曲 折叠 本文旨在利用深度学习算法对文档图像的形变进行矫正 xff0c 从而提高OC

  • 经典文献阅读之--VGICP（体素化的ICP匹配）

    0 简介 之前我们在以前的文章中介绍了很多有关于点云匹配相关的知识 xff0c 最近两年处理GICP这一大一统的ICP匹配方法以外 xff0c 还有一个工作对体素化和ICP这两者打起了心思 xff0c Voxelized GICP for

  • 经典文献阅读之--Orbeez-SLAM（单目稠密点云建图）

    0 简介 对于现在的VSLAM而言 xff0c 现在越来越多的工作开始聚焦于如何将深度学习结合到VSLAM当中 xff0c 而最近的这个工作就给出了一个比较合适的方法 Orbeez SLAM A Real time Monocular Vi

  • 经典文献阅读之--NORLAB-ICP（重力约束ICP）

    0 简介 最近几年IPC相关的文章也出了不少 xff0c 最近作者有看到了一篇比较有意思的ICP论文 Gravity constrained point cloud registration xff0c 这篇论文将传统的ICP考虑了重力因素

  • 常见的3d bounding box标注工具

    0 简介 对于3d bounding box而言 xff0c 近几年随着自动驾驶的火热 xff0c 其标注工具也日渐多了起来 xff0c 本篇文章不讲具体的算法 xff0c 这里主要聚焦于这些开源的3d bounding box标注工具 x

热门标签