data-labeling-tools
图像images/点云point clouds标注工具汇总
@双愚 , 若fork或star请注明来源
自动驾驶相关交流群，欢迎扫码加入：自动驾驶感知(PCL/ROS+DL)：技术交流群汇总(新版)
创建一个知识星球 【自动驾驶感知(PCL/ROS+DL)】 专注于自动驾驶感知领域，包括传统方法(PCL点云库,ROS)和深度学习（目标检测+语义分割）方法。同时涉及Apollo，Autoware(基于ros2)，BEV感知，三维重建，SLAM(视觉+激光雷达) ，模型压缩（蒸馏+剪枝+量化等），自动驾驶模拟仿真，自动驾驶数据集标注&数据闭环等自动驾驶全栈技术，欢迎扫码二维码加入，一起登顶自动驾驶的高峰！
图像标注开源工具
- labelme(常用)
对图像进行多边形，矩形，圆形，多段线，线段，点形式的标注（可用于目标检测，图像分割，等任务）。 对图像进行进行 flag 形式的标注（可用于图像分类 和 清理 任务）。 视频标注 生成 VOC 格式的数据集（for semantic / instance segmentation） 生成 COCO 格式的数据集（for instance segmentation）
- LabelImg
教程：
- https://zhuanlan.zhihu.com/p/550021453
- https://blog.csdn.net/knighthood2001/article/details/125883343
点云标注开源工具
1.PCAT 只显示点云,可以标注目标以及道路边界点,生成.txt文件.(常用)
- 链接:https://github.com/halostorm/PCAT_open_source
2.supeivise 在线标注,只能标注目标,很准确,生成.json文件
- 链接:https://supervise.ly/lidar-3d-cloud
3.L-CAS 只显示点云,只能标注目标
4.LATTE 显示图像以及点云,但是只是标注点云2D的目标边界框并生成对应图像的语义分割信息.
5.semantic-segmentation-editor 点云语义分割标注工具
6.Point-Cloud-Annotation-Tool(常用)
用于在点云中注释3D框的工具。支持KITTI-bin格式的点云。注释格式与Applo 3D格式相同。数据示例可在此处找到。
安装：https://blog.csdn.net/r1141207831/article/details/103881962
- 运行系统：Ubuntu16.04
- 运行环境：ROS Kinetic
- 依赖库：pcl 1.8, vtk 8.1, Qt5
Docs: https://www.yuque.com/huangzhongqing/hre6tf/qaauez?singleDoc# 《【det】point_cloud_annotation_tool》
7. ch-sa/labelCloud 点云目标检测标注
标注工具：https://github.com/ch-sa/labelCloud
8. xtreme1
https://github.com/xtreme1-io/xtreme1
Xtreme1 unlocks deep insights into data annotation, curation and ontology management for tackling machine learning challenges in computer vision and LLM. The platform's AI-fueled tools elevate your annotation game to the next level of efficiency, powering your projects in 2D/3D Object Detection, 3D Instance Segmentation and LiDAR-Camera Fusion like never before.
8. CloudCompare
标注教程：三维点云——数据标注_Dujing2019的博客-CSDN博客_点云
点云标注的供应商:
1.NIuXie
- 链接:http://www.newlshare.com/adas.html
2.倍赛
- 链接:https://www.basicfinder.com/services/label/
3.playment
License
Copyright (c) 双愚. All rights reserved.
Licensed under the MIT License.