cloudcompare制作点云分割数据集

  • 本文使用一个植物的数据集,进行标注从而能用于深度学习点云目标检测和分割任务
    • 论文出处 Soybean-MVS: Annotated Three-Dimensional Model Dataset of Whole Growth Period Soybeans for 3D Plant Organ Segmentation
  • 其中主要解决问题
    • 如何使用网格mesh和点云进行标注
    • 如何对于复杂物体进行分割
    • 如何设置标签进行导出
  • 下面是最后的结果图,上面为标注后数据,下面为原始数据。

软件下载

下载地址: https://www.cloudcompare.org/

打开文件

CloudCompare支持多种常见的3D数据格式导入,以下是其主要支持的文件格式:

  1. 点云文件格式
    • .las / .laz (LASer文件格式)
    • .e57 (ASTM E57文件格式)
    • .ply (Polygon File Format)
    • .xyz (简单XYZ文本格式)
    • .pts (ASCII格式)
    • .asc (ASCII格式)
    • .bin (CloudCompare二进制格式)
    • .pcd (Point Cloud Data文件格式)
    • .txt (ASCII文本格式)
  2. 网格模型文件格式
    • .obj (Wavefront Object文件格式)
    • .stl (STereoLithography文件格式)
    • .ply (Polygon File Format,支持网格)
    • .fbx (Autodesk FBX文件格式)
    • .3ds (Autodesk 3DS文件格式)
    • .dae (Collada文件格式)
  3. 地形数据格式
    • .dem (Digital Elevation Model)
    • .dtm (Digital Terrain Model)

导入文件

我这里面.txt格式数据进行导入,前三列为xyz点云坐标,后三个为点云点的RGB颜色信息

网格Mesh数据转成点云数据

  • 一般得到的三维数据可能直接是点云,也可能是得到是网格mesh数据。如果是mesh类型数据,我们先将mesh转化成点云数据

  • 选择网格转化成点云操作

  • 选择将网格采样到点云的点云数量

  • 最后的结果展示了采样后得到的点云

利用鼠标查看视图

  • 缩放视图:滚动鼠标滚轮来放大或缩小视图。
  • 平移视图:按住鼠标右键和建,移动鼠标来平移视图。
  • 选择对象:点击鼠标左键可以选择视图中的点云或网格对象。
  • 多选选择对象:按住Ctrl键,然后点击鼠标左键可以选择或取消选择多个对象。

标注

  • 这里我们的目标是,对分割的物体形成一个txt格式的文件并且名字中带有类别和实例个数。例如leaf_1.txt

分割

这里一定要确保是我们要分割的样本,先选中我们要分割的样本,一定要点击上

点击工具栏上的分割工具

通过以下步骤进行分割

  • 通过不断点击裁剪的物体的范围,形成闭环的多边体
  • 点击2号位置的按钮,对选中区域进行提取,这样3号按钮就能点击了
  • 最后点击对号按钮就分割出我们分割的物体

注意对于复杂物体可以通过多次转换视角,分次裁剪得到,如果有需要我后期单独会介绍这块

  • 最后分割结果如下图

保存文件

这里面选中我们同一类别的分割物体,点击保存案件

保存的时候输入我们保存的类别名

最后是我们分割出来的物体,包括类别和实例个数,方便后续我们进行不同任务,再进行相应的处理

总结

我这里总体介绍能满足语义和实例分割任务的数据集标注方式,但其中没有想其他介绍的对点云加标签,我这里是主要减少标注过程中操作,利用文件名约束,最后通过程序来转化成具体用什么框架和什么任务的数据集。

相关推荐
火山引擎开发者社区1 小时前
火山引擎发布《企业级 ArkClaw 安全白皮书》
人工智能
阿里云大数据AI技术1 小时前
Hologres AI Function 文本分类实战:从提示词设计到 KV-Cache 调优,全程 SQL 搞定
人工智能·sql
code_pgf2 小时前
AI-Agent记忆机制分析
大数据·人工智能
阿拉斯攀登3 小时前
安全与可控性:输出校验、权限控制
人工智能·chatgpt·agent·memory·claude·知识库·向量数据库
冬奇Lab4 小时前
每日一个开源项目(第152篇):SAG - 用 SQL JOIN 代替 PageRank 做多跳 RAG 检索
人工智能·开源
冬奇Lab4 小时前
Workflow 系列(09):主流框架对比——Prompt-based、LangGraph、Temporal、n8n 如何选
人工智能·工作流引擎
程序员老猫4 小时前
vide coding 个人产品,那就从博客开始吧
人工智能·程序员·全栈
geo搜搜果数据5 小时前
实测5大AI平台品牌排名:复现GEO监测流程
人工智能·langchain·搜搜果