CVAT 3D标注实战：LiDAR点云从导入到交付的完整指南-酒店常州论坛

CVAT 3D标注实战：LiDAR点云从导入到交付的完整指南

【免费下载链接】cvatComputer Vision Annotation Tool (CVAT) is a leading platform for building high-quality visual datasets for vision AI. It offers open-source, cloud, and enterprise products, as well as labeling services, for image, video, and 3D annotation with AI-assisted labeling, quality assurance, team collaboration, analytics, and developer APIs.项目地址: https://gitcode.com/GitHub_Trending/cvat/cvat

CVAT 支持 LiDAR 点云标注：把 .pcd / .bin 点云文件导入 3D 任务，在透视 + 三向投影视图里画 3D 边界框，配合 Track 模式做连续帧跟踪，最后导出给检测模型训练。下面是我在自动驾驶数据标注项目里实际走通的流程，每一步都可以直接复现。

1. 先把点云数据按目录结构打包好

标注 3D 任务前最容易卡住的地方不是画图，而是数据没组织好。CVAT 要求一个可预测的目录结构，核心规则是：一帧一个点云文件，帧号与关联图像一一对应。

目录项	作用
`.pcd`/`.bin`	每一帧的 LiDAR 点云，按帧编号命名
`related_images/`	与该帧点对齐的摄像头图像，用于辅助判断物体类别

PCD 是通用点云格式；Velodyne 原始.bin也直接支持，解析逻辑在 velodynepoint.py
点云与图像必须时间对齐，错位会导致框贴不合物体
数据集打包规范可参考 dataset_manifest 文档，它同时描述图像序列与 3D 点云序列

数据就绪后，在任务页面新建 3D 类型任务并上传压缩包即可。任务创建时定义好类别（car、pedestrian、traffic_cone……）和每个类别的属性字段，后面所有框都会继承这套标签体系。

2. 四视图画布：3D标注工作区长什么样

进入任务后是四个窗口：

视图	作用
Perspective（透视）	主工作区，点云三维呈现，鼠标或 Shift+方向键旋转相机
Top（顶视）	俯投影，确认地面位置的平面坐标
Side（侧视）	左视投影，校核宽度方向
Front（前视）	正视投影，校核高度与距离

关键机制：三个投影视图只显示当前选中的那个对象，框会自动居中显示成矩形。在 2D 投影上微调 3D 框是这个工作区的核心技巧——透视视图里挪动一个旋转过的 cuboid 很费劲，但在前视投影上拖动高度就精确多了。常用导航快捷键：Alt+J/L 左右平移、Alt+U/O 升降、Alt+K/I 缩放（详见 3D任务工作区文档）。

3. 画一个 3D 边界框的两种姿势

对象面板里选Draw new cuboid，有两种绘制方式：

方式	操作	适用情况
by 4 points	先点底面 3 点定平面，第 4 点定纵深	目标清晰、透视完整
from rectangle	先在目标正面画矩形，再编辑纵深与透视	目标部分遮挡、快速起框

建议 4 点法只画最贴近的两个侧面角点加顶/底面，减少点的数量。画好后：

拖 4 个角点改尺寸
选中中点上下/左右拖动，旋转整个框
在侧边栏 details 面板直接输入 X/Y/Z 三个维度的精确数值（长度、宽度、高度），适合有规格要求的场景

渲染层由 cvat-canvas3d 模块承担，cuboid 的网格、控制点绘制都在 cuboid.ts。

4. 连续帧跟踪：Track 模式怎么用

单帧画框是 Shape 模式；自动驾驶场景更常用Track 模式——它给每个对象分配唯一 ID，并在帧间做插值：

目标出现的起点帧画第一个框并调准
跳到下一帧，CVAT 按插值给出预测位置，你只负责校正
目标消失前重复上述动作，中间帧自动带框

实际体感：车辆匀速行驶时大部分帧只需点一下确认，弯道或变道帧才需要精细调整。对象支持 Ctrl+C / Ctrl+V 复制粘贴（3D 空间内双击落点），Shift+N剪切到别处。完整操作说明见 3D 对象标注文档。

5. 关联图像对齐：点云分不清类别时的解法

点云没有颜色纹理，远处的小物体到底是锥桶还是行人，有时只能靠相机图像判断。CVAT 的解法是related_images 关联图像：

点云文件旁边放同名关联图像文件夹，透视视图内会挂出一个 context image 窗口
对照图像确认类别，再回到点云里调框
图像与点云的对应关系靠命名规则绑定，目录结构示例见 contextual-images 文档

这一步看似小事，但能显著减少"类别标错"这类返工。

6. 标注结果的交付：导出与自动预标

标注完成后的产出走数据集导出，3D 任务常用格式：

导出格式	说明
CVAT for 3D	平台自有格式，含 cuboid 完整参数，往返编辑首选
KITTI	自动驾驶检测经典格式
Velodyne	原始点云格式回存

想减少人工量，可以在导入后先用 ML 模型自动预标：把训练好的 3D 检测模型部署到 CVAT 的 Serverless 推理端点，任务里点 "Auto annotation"，模型输出的 cuboid 以草稿形式落到画布，标注员只做修正。预标 + 人工校正的组合，是 3D 标注提速最直接的一招。

批量管理（建任务、拉数据、回传结果）也可以走 CVAT SDK，一条client.tasks.create(...)就能把上面的类别体系写进新任务，省掉点页面的功夫。

适合谁 / 如何开始

手头有 .pcd / .bin 点云 + 对齐相机图像的自动驾驶团队：直接按第 1、2 节搭数据，半天内可以出第一批标注
需要批量预标的算法团队：优先接 Serverless 自动标注链路
想深入交互细节：读 3D对象标注文档和 3D任务工作区文档

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析