第九章 三维点云数据标注

人工智能数据服务第九章

三维点云数据标注9.1三维点云标注的概念9.2三维点云数据的分类9.3三维点云标注工具9.4三维点云标注实战9.5习题9.6课后拓展2目录

目录9.1三维点云标注的概念9.1.1什么是三维点云标注1.定义

三维点云标注是指对三维空间中的点云数据进行特征化的标记过程。通过为每个点赋予标签或属性（如类别、位置、形状、运动等信息），使机器学习可以通过这些已标注的训练数据来理解和处理点云数据。2.核心将三维空间中的点云信息转化为机器可理解的结构化数据。9.1.1什么是三维点云标注核心目标三维点云标注在计算机视觉和机器学习领域扮演重要角色，其核心目的包括：1.帮助机器理解三维空间中的物体形状、位置及属性关系；2.为训练模型提供高质量标注数据，支持三维场景识别、目标检测等任务；3.推动计算机视觉技术在三维领域的应用（如自动驾驶、虚拟现实等）。9.1.1什么是三维点云标注关键要求为确保机器准确理解三维点云数据，标注需满足以下要求：准确性：标注人员需准确为每个点分配类别或属性，避免误标；一致性：所有标注人员遵循统一规范，确保不同时间、团队的标注结果可比；客观性：避免主观性和歧义性，通过严格流程控制标注质量；专业性：标注人员需具备领域知识（如三维空间感知能力）。1.标注目的通常为提高自动化系统精度，如自动驾驶中用于检测交通标志、障碍物和行人；城市规划中用于三维建模与环境分析。2.标注范围需明确任务边界，例如：自动驾驶系统需标注车道线、交通标志、行人、车辆等，城市建模需标注建筑物、植被、道路等要素。如百度Apollo项目通过三维点云标注识别道路和车辆，应对复杂城市交通环境。9.1.1什么是三维点云标注9.1.2三维点云标注的特性与规范1.类别划分需根据场景细分标签，例如自动驾驶场景包括“道路”“交通标志”“机动车”“非机动车”“行人”等。2.标签作用为后续机器学习提供分类依据，提升模型分类精度。例如北京市在城市绿化与交通设施建设中，通过三维点云标注精准分类基础设施，为智能交通提供数据支持。三维点云标注的特性——一致性和完整性1.一致性所有标注人员遵循统一规则，包括：统一颜色编码（如建筑物为灰色，植被为绿色），统一空间精度要求（如边界框误差范围）。2.完整性语音全面标注所有必要特征，例如：标注建筑物时需包含窗户、门、屋顶等细节；处理遮挡或噪声数据时，需通过上下文补充缺失信息。例如全球土地调查中，多团队使用相同标准标注农田、森林，确保数据可共享。9.1.2三维点云标注的特性与规范9.1.2三维点云标注的特性与规范三维点云标注的规范——统一方式与准确性1.统一标注方式

包括使用相同颜色、符号表示同类物体，统一空间定位方法（如坐标系统、尺度单位）。2.准确性要求精确描述物体边界、尺寸、形状，避免漏标、错标（如不将“行人”误标为“车辆”）。例如华为智能驾驶使用统一标签和颜色编码表示交通参与者，减少模型训练误差。9.1.2三维点云标注的特性与规范三维点云标注的规范——具体化与版权1.具体化标注

明确物体空间范围（如使用精确坐标定义边界）还需要细化几何特征（如“建筑物高度20米，宽15米”）。2.版权与使用权保护在使用第三方数据需获得合法授权，涉及敏感信息（如地理测绘数据）需遵守数据安全法规。9.1.2三维点云标注的特性与规范三维点云标注的规范——流程与质量控制1.标准流程

包含数据预处理、任务分配、审核、修正等环节。2.质量控制机制有多轮标注与交叉验证，以及专家审核复杂或不规则物体标注。例如华为城市三维地图项目通过严格流程确保数据准确性，支撑智慧城市管理。9.1.3三维点云的应用三维点云的应用——工业制造在质量控制与检测方面通过三维点云扫描零件，精确测量形状和尺寸，快速识别缺陷或变形（如汽车车身焊接精度检测），提升生产效率与产品质量。采用逆向工程对已有产品进行点云数据采集与处理，实现快速复制和修改设计，无需重新研发，缩短开发周期、降低成本，增强产品竞争力。9.1.3三维点云的应用三维点云的应用——建筑与城市规划在三维建模上利用激光扫描获取建筑物点云数据，创建精确三维模型，用于建筑测量、监测及数字化存档（如历史建筑三维建模）。于空间规划方面通过点云数据直观呈现城市地形地貌与空间布局，辅助制定科学的城市规划方案、景观设计及房地产营销等。9.1.3三维点云的应用三维点云的应用——地质勘探地质研究用激光扫描地表生成数字高程模型（DEM），助力分析地质结构、地形变化及自然灾害风险（如地震带地形研究）。资源探测中应用于矿产资源勘探和地下管线探测，为勘探工作提供精准数据支持，提高勘探效率与准确性。9.1.3三维点云的应用三维点云的应用——航空航天导航与着陆中激光雷达扫描地表生成数字高程模型和地图，为飞行器提供精确地形信息，保障导航与着陆安全（如无人机低空测绘）。对于飞行器优化，对飞行器进行点云数据采集与分析，辅助优化结构设计，提升性能与安全性（如飞机机翼空气动力学改进）。9.1.3三维点云的应用三维点云的应用——文物保护数字化保存中三维扫描文物获取点云数据，创建精确三维模型，实现文物数字化存档，避免物理损坏导致的信息丢失（如兵马俑扫描存档）。修复与监测是通过点云数据进行虚拟修复和重建，为实际修复提供参考；定期扫描对比形态变化，及时预警损坏，辅助保护决策9.1.3三维点云的应用三维点云的应用——文物保护领域的应用及其他作用1.文物保护数字化保存是通过三维扫描技术获取文物的点云数据，创建精确的三维模型，实现文物的数字化存档，避免因物理损坏导致的信息丢失（如兵马俑的三维扫描存档）。而虚拟修复是利用点云数据对破损文物进行虚拟修复和重建，为实际修复工作提供参考方案，减少对文物的二次损害（如壁画残片的虚拟拼接）。其中监测预警是定期扫描文物获取点云数据，对比分析其形态变化，及时发现损坏和异常，为文物保护提供决策依据（如古建筑结构稳定性监测）。2.其他应用在虚拟现实（VR）、增强现实（AR）中构建逼真场景，提升用户体验；在机器人导航中帮助机器人感知周围环境，实现精准避障等。

9.1.4三维点云的发展现状三维点云标注的技术趋势1.数据精度与丰富性提升随着传感器技术（如激光雷达、深度相机）和数据处理能力的进步，三维点云数据将更加精确、丰富，能捕捉更多细节（如物体表面纹理、微小结构），为标注提供更高质量的原始素材。2.标注工具云端化与智能化标注工具向云端迁移，支持多人协同标注；工具功能更智能，如实时反馈标注问题、自动优化标注结果，进一步提高标注效率和准确性。随着三维点云标注在各领域的广泛应用，对统一标注标准的需求日益迫切，将推动形成跨行业、跨场景的通用标注规范，便于数据共享和模型训练。

9.1.4三维点云的发展现状三维点云标注的挑战与保障1.数据安全与隐私保护

三维点云数据常包含地理信息、建筑结构等敏感信息，存在泄露风险。需通过技术手段（如数据加密、脱敏处理）和法律法规（如数据安全法、隐私保护法）保障数据在采集、传输、存储和使用过程中的安全。2.复杂场景标注效率问题面对遮挡、噪声、大规模点云等复杂场景，现有标注技术和工具仍存在效率低、准确性不足的问题。需通过优化算法（如基于上下文的智能补全）、升级工具（如实时渲染和交互优化）提升复杂场景的标注能力。3.平衡技术创新与规范约束在推动自动化、智能化标注技术发展的同时，需通过行业标准和伦理规范引导技术应用，确保三维点云标注在提升效率的同时，兼顾数据质量、安全与隐私。9.2三维点云数据的分类9.2.1基于采集方式的分类1.原理与特点激光雷达（LiDAR）通过发射激光脉冲，测量脉冲从发射到反射回传感器的时间差，结合光速计算物体与传感器的距离，进而生成三维坐标（x、y、z）。其数据特点表现为高精度（坐标误差可低至厘米级）和高密度（每平方米可采集数千个点），能精准捕捉物体表面的细微特征（如地形起伏、建筑物棱角）。激光雷达扫描点云9.2.1基于采集方式的分类2.适用场景

因数据精度优势，激光雷达扫描点云广泛应用于：地形测绘：生成高精度数字高程模型，用于水利规划、地质研究；建筑物测量：如历史建筑的三维存档，还原门窗、浮雕等细节；自动驾驶：实时感知周围车辆、行人、车道线等，为避障决策提供数据支持。激光雷达扫描点云9.2.1基于采集方式的分类1.核心原理结构光扫描技术的核心原理是通过投影仪向物体表面投射特定的光模式（如网格、条纹），当光模式照射到物体表面时，会因物体的形状起伏发生变形，再通过相机捕捉这些变形的光模式，利用三角测量原理计算出物体表面各点的三维坐标。与激光雷达相比，结构光扫描更擅长精细的三维重建，能捕捉毫米级的表面细节，如人体皮肤的纹理、精密零件的微小凹凸。例如，在工业检测中，结构光扫描可快速获取零件的点云数据，与设计模型比对后，能精准识别表面划痕、尺寸误差等缺陷。结构光扫描点云9.2.1基于采集方式的分类2.应用场景结构光扫描点云的典型应用场景包括：人体扫描：用于服装定制的体型数据采集，精准还原身材曲线，确保服装贴合度；工业产品检测：对精密零件（如芯片、轴承）进行三维扫描，检测微米级的尺寸偏差和表面缺陷；文物数字化：对雕塑、壁画等文物进行扫描，完整记录表面纹理和磨损痕迹，为虚拟修复和保护提供依据。其对细节的高还原能力使其在需要精细建模的场景中不可或缺。结构光扫描点云9.2.1基于采集方式的分类1.其他案例时间飞行相机（ToF相机）：通过发射调制光信号，测量光信号反射回的时间差或相位差计算距离，生成点云，适用于室内场景（如智能家居的环境感知）；普通摄像头+算法：通过双目相机的视差计算或单目相机的运动恢复结构（SfM）技术生成点云，成本低但精度较低，适用于对精度要求不高的场景（如简易场景的三维建模）。2.特点

这些传感器采集的点云数据精度通常低于激光雷达和结构光，但设备成本低、操作简便，适合快速获取粗略三维信息，如房地产行业的房屋户型三维扫描。其他传感器点云9.2.2基于数据密度的分类稠密点云1.介绍稠密点云是指单位体积内包含大量三维点的点云数据（例如每立方厘米包含10个以上的点），其核心特点是能详细描绘物体的表面形状、纹理、微小结构等细节。由于点数量充足，稠密点云能完整呈现物体的细微特征，如树叶的脉络、零件表面的螺纹、建筑物墙面的砖石纹理。2.案例在文物保护领域，对古代雕塑进行稠密点云扫描时，可捕捉到雕塑表面因岁月侵蚀形成的微小裂纹（宽度不足0.1毫米）、雕刻纹路的深浅变化（差异仅0.5毫米），甚至能还原工匠手工雕刻的工具痕迹。这些细节对于文物的修复方案制定（如匹配裂纹周围材质）、数字化存档（保留原始形态）以及研究其工艺技法（分析雕刻力度与手法）至关重要。9.2.2基于数据密度的分类稠密点云3.应用案例地形测绘：通过无人机搭载激光雷达采集的稠密点云，可生成精度达厘米级的数字高程模型，清晰还原山脉的山脊线、河谷的深浅变化，甚至能识别单棵树木的位置与高度。这为水利工程规划（如判断堤坝选址的地形稳定性）、地质灾害预警（如监测滑坡区域的微小位移）提供了精准数据。建筑建模：对历史建筑进行稠密点云扫描，能完整记录墙面的砖缝排列、门窗的雕花图案、屋顶的瓦片形态。例如，在故宫某宫殿的数字化项目中，稠密点云不仅还原了建筑的整体结构，还捕捉到了木构件的榫卯接口细节，为古建筑修复时的构件复刻提供了精确依据。这些应用均依赖稠密点云对细节的高还原能力，确保后续分析和操作的准确性。9.2.2基于数据密度的分类稀疏点云1.介绍稀疏点云是指单位体积内点数量较少的点云数据（例如每立方厘米不足1个点），其核心特点是仅能大致勾勒物体的外形轮廓和主要结构，无法呈现细节，但数据量小（单个场景通常为几十MB）、处理速度快。稀疏点云的“简化性”使其更注重物体的整体形态捕捉。2.案例对城市建筑群进行稀疏点云扫描时，仅需记录建筑物的屋顶轮廓、墙体大致走向和楼层高度，无需关注墙面纹理或窗户细节。这种特性让稀疏点云在快速获取物体空间位置关系（如建筑物之间的间距）、判断物体类别（如通过轮廓区分塔楼与平房）等场景中具有优势。9.2.2基于数据密度的分类稀疏点云3.应用案例快速三维建模：在电商平台的家具展示中，稀疏点云可快速构建家具的大致轮廓（如沙发的长宽高、椅子的靠背形状），用户通过简单交互即可查看家具的空间尺寸，无需等待高精度模型加载。物体识别与导航：在仓储机器人导航场景中，稀疏点云能快速识别货架的轮廓、通道的宽度，帮助机器人规划行驶路径，避开障碍物。由于无需处理细节数据，机器人可在毫秒级时间内完成环境判断，确保导航的实时性。初步场景分析：在地质勘探的初步勘察阶段，稀疏点云可快速勾勒出待勘探区域的地形轮廓，帮助工程师判断该区域是否需要进一步进行稠密点云扫描（如发现存在复杂地貌时，再启动高精度采集），从而节省时间与成本。1.介绍

原始点云数据是指直接由采集设备输出、未经过任何处理的初始数据，其核心特征是，包含物体的三维坐标信息（x、y、z），是后续处理的基础，但是存在明显缺陷，如噪声点（传感器误差导致的杂点）、冗余点（重复采集的点）、数据缺失（遮挡导致的部分区域无点）。原始点云数据2.案例

激光雷达在雨天采集的点云可能包含雨滴反射的噪声点，结构光扫描被遮挡的物体时会出现数据缺失区域。原始点云数据无法直接用于建模或模型训练，必须经过预处理才能提升可用性。9.2.3基于数据处理方式的分类1.介绍

处理后的点云数据是对原始点云进行一系列优化处理后得到的数据，主要处理步骤包括：滤波/去噪是通过统计滤波、半径滤波等算法去除噪声点，例如剔除距离周围点过远的异常点，然后配准是将多视角采集的点云数据对齐融合，形成完整的物体三维模型，如从不同角度扫描的汽车点云拼接最后简化是在保证轮廓的前提下减少点数量，降低数据量，提高处理效率。处理后的点云数据2.处理效果

在处理后的点云数据质量显著提升，噪声少、完整性高，可直接用于三维建模（如建筑信息模型BIM构建）、物体识别（如自动驾驶中的车辆检测）等任务。9.2.3基于数据处理方式的分类1.介绍

带特征信息的点云数据是在处理后点云的基础上，进一步提取几何特征或语义特征的高级数据形式，常见特征包括：几何特征如法线（点所在表面的朝向）、曲率（表面弯曲程度）、纹理（表面灰度变化）等，用于判断物体的形状属性（如平面、曲面、棱角），语义特征是通过算法或人工标注的类别信息（如“墙面”“地面”“车辆”），用于目标分类和场景理解。带特征信息的点云数据2.案例

在工业质检中，通过曲率特征识别零件的磨损区域；在自动驾驶中，利用语义特征区分道路、行人、交通标志，辅助决策。还有在智能工厂中，带特征信息的点云可帮助机器人识别不同类型的零件（通过几何特征）并分类抓取。9.2.3基于数据处理方式的分类9.3三维点云标注工具9.3.1SemanticSegmentationEditor的安装1.SemanticSegmentationEditor简介SemanticSegmentationEditor是一款功能强大的开源图像标注工具，旨在帮助用户进行图像语义分割任务的编辑和标注。该工具具有直观的Web界面和协作功能，适用于图像分割、对象识别和场景理解等任务。用户可以上传图像并使用自定义标签对图像中的不同物体和区域进行标注和分割。SemanticSegmentationEditor支持多种标注工具和算法，使用户能够灵活地处理各种图像数据。2.依赖

SemanticSegmentationEditor依赖Node.js提供运行环境，Meteor提供开发与运行支持，而Chocolatey则是Windows平台上简化安装Node.js和Meteor的辅助工具。9.3.1SemanticSegmentationEditor的安装1.安装Node.js前往官方网站（Node.js—下载Node.js®），根据本机操作系统选择并下载相应版本的Node.js安装包。下载完成后，按照提示进入安装流程图9-1安装node.js9.3.1SemanticSegmentationEditor的安装随后单机选择左侧按钮（IacceptthetermsintheLicenseAgreement），意为“我接受许可协议中的条款”,随后可见右侧Next按钮可点击，并点击，如图9-2。图9-2安装node.js过程9.3.1SemanticSegmentationEditor的安装如需要手动选择安装路径，则单机左侧按钮“Change..”，并安装自己要求选择安装路径，随后单机右下角“Next”按钮进入下一步，如图9-3。图9-3选择node.js安装路径9.3.1SemanticSegmentationEditor的安装进入用户的自定义安装页面，由于我们的后续操作只需要基础的功能，不需要自定义安装功能，直接选择按钮“Next”即可，如图9-4。图9-4自定义安装node.js9.3.1SemanticSegmentationEditor的安装介绍选项node.jsruntime：Node.js核心组件，支持运行JavaScript代码，是工具运行的基础。corepackmanager：管理npm、Yarn等包管理器版本，方便切换。npmpackagemanager：Node.js默认包管理器，用于安装项目依赖。Onlinedocumentationshortcuts：创建在线文档快捷方式，便于查阅API。AddtoPATH：将Node.js路径添加到系统环境变量，可在任意命令行直接使用node和npm命令。9.3.1SemanticSegmentationEditor的安装注意按钮“Automaticallyinstallthenecessarytools.NotethatthiswillalsoinstallChocolatey.Thescriptwillpop-upinanewwindowaftertheinstallationcompletes.”不需要选取，他是自动安装Chcolatey，但是自动安装的不符合我们的后续操作，故只需要继续单机按键“Next”，如图9-5所示。图9-5node.js插件安装选择9.3.1SemanticSegmentationEditor的安装

进入确认安装环节，只需要继续单机按钮“Install”即可进入安装确认，如下图9-6所示，点击成功后进入安装过程即如下图9-7。图9-6node.js安装确认图9-7node.js安装等待9.3.1SemanticSegmentationEditor的安装

完成上面操作并安装成功，即可看到成功页面如图9-8。图9-8node.js安装成功9.3.1SemanticSegmentationEditor的安装2.安装chocolatey

先按照管理员身份打开命令提示符，输入如下内容，自动安装相应插件@"%SystemRoot%\System32\WindowsPowerShell\v1.0\powershell.exe"-NoProfile-InputFormatNone-ExecutionPolicyBypass-Command"[System.Net.ServicePointManager]::SecurityProtocol=3072;iex((New-ObjectSystem.Net.WebClient).DownloadString('/install.ps1'))"&&SET"PATH=%PATH%;%ALLUSERSPROFILE%\chocolatey\bin"图9-9安装chocolatey9.3.1SemanticSegmentationEditor的安装3.安装meteor以管理员身份运行命令提示符，并输入“chocoinstallmeteor”，自动安装插件，若已安装完成则显示“meteorv0.0.5alreadyinstalled.Use–forcetoreinstall,specifyaversiontoinstall,ortryupgrade”。（正常网速需要18-20分钟）注意：可输入“meteor--version”进行验证是否安装完成，若成功安装可查看版本。9.3.1SemanticSegmentationEditor的安装

前往GitHub仓库，下载SSE源代码，复制下方链接（GitHubHitachi-Automotive-And-Industry-Lab/semantic-segmentation-editor:Weblabelingoolforbitmapimagesandpointclouds）至浏览器，进入GitHub进行下载，下载压缩包后解压。随后以管理员身份运行命令提示符，cd切换至解压文件夹的目录下,并输入“meteornpminstall”，安装对应插件，如图9-10所示。然后输入启动指令meteornpmstart即可

图9-10GitHub下载插件9.3.1SemanticSegmentationEditor的安装

4.完成安装进入页面，在浏览器输入“http://localhost:3000/”，进入页面，页面效果如图9-11。图9-11界面展示9.3.1SemanticSegmentationEditor的安装

随后可以导入图片，在对应目录sse-images文件夹下导入图片，刷新浏览器即可看到相应的图片，本章的三维点云数据为pcd文件，直接复制至对应文件夹下（默认为这个文件夹C:\Users\用户名\sse-images），单击左键选中一个pcd文件即进入标注页面。

5.导入图片9.3.2SemanticSegmentationEditor的介绍

“SelectionTool”栏目包含多个标注工具，下面为介绍:H（曲线）表示任意圈选模式。J（正方形）为矩形框选择模式。K（圆形）为圆形选择模式。“SelectionMode”栏目用于选择模式，决定作为增加点或减少点：Y（加号）用于添加点。I（减号）用于删除点。U为切换模式（选择状态互斥），即可取消选中点，或添加未选中点。“ViewInteraction”栏目用于视图交互设置：S（AutoFocus）用于自动聚焦。L（AutoFilter）表示自动过滤（建议不启用）。

上方页面介绍图9-12上方界面展示9.3.2SemanticSegmentationEditor的介绍VisualHelpers”栏目提供试图辅助功能：V（SelectionMode）功能是强调当前选中的点集。G（BoundingBox）则表示选择器轮廓，即将点云集的外层用较大的立方体包围以便观察，建议在标注过程中始终保持启用。“PCDOutput”栏目用于查看标注结果：左侧文件图标：跳转页面查看当前标记后的PCD文件信息。右侧文件图标：导出标注结果文件图9-12上方界面展示9.3.2SemanticSegmentationEditor的介绍

如图9-13所示，各工具及其功能如下：视图调整：X（调整视图）：用于观察所有点云数据。C（镜头方向控制）：配合图像底部的三维视图，灵活调整观察角度。方向控制：F、B、L、R、T：分别表示前、后、左、右、上方向，用于精确调整视图方向。

右侧界面介绍图9-13右侧界面展示9.3.2SemanticSegmentationEditor的介绍

点云显示设置：多散点与斜线图标：缩小点集间的距离，使点云显示更加紧凑，便于整体观察。狙击镜图标：调节点的大小，适应不同尺度下的详细标注。太阳图标：调整点云亮度，改善显示的可视性。三维视图辅助：三维标志：在平面上标示点云数据的四个主要方向，帮助标注人员更好地定位和观察视图。图9-13右侧界面展示9.3.2SemanticSegmentationEditor的介绍

如图9-14所示，左侧展示了各种标签，如人物、汽车、道路等。带下划线的眼睛图标表示仅显示该标签所对应的内容，而忽视其他标签的内容。右侧的单独眼睛图标，单击后会隐藏该类标签所标记的所有内容。

左侧界面介绍图9-14左侧界面展示9.4实战：三维云标注9.4实战：三维云标注1.界面操作导入图片后可在中央位置查看到图像，单击左侧摄像头按钮，可切换视图以全面观察数据集。使用鼠标滚轮可缩放视图范围，按住鼠标左键并拖动可调整视角；右侧按钮也可用于微调视图。

在本节中，将选择具有典型特点的三维云标注案例,其他标注操作方法类似，请读者自行探索，下面为具体操作流程。图9-15放大页面展示9.4实战：三维云标注若需聚焦到特定区域，可按住Ctrl键并单击目标点。滚动鼠标滚轮向上可放大目标区域；滚轮向下可缩小并查看更大范围。如图9-15为放大至目标区域后的界面效果。图9-15放大页面展示9.4实战：三维云标注2.开始标注根据上一步调整好视角，首先在上方SelectionTool处选择合适的标注工具，根据要标注物体形状决定。接着在SelectionMode处选择加号按钮，表示标注添加，此处选择矩形款，并用长按鼠标右键拖动选框，如图9-16所示，

在本节中，将选择具有典型特点的三维云标注案例,其他标注操作方法类似，请读者自行探索，下面为具体操作流程。图9-16标记款选9.4实战：三维云标注选择部分会变为红色区域，如下图所示，此时可继续单击鼠标左键添加遗漏的点，若有添加多余的点集，单击上方SelectionMode栏下方的减号，仍然长按鼠标右键拖动选框选择需要删除部分进行删除。也可单击左键单独删除，最后选择左侧标签完成一次标注。图9-17标记确认9.4实战：三维云标注选择完成后单击左侧对应标签即完成一次标注，要确定每一个标签的标记范围，并且在左侧有该标签包含的点数，如图9-18为Ground标签标记标签标记部分完成图示，标记成功点展现颜色与左侧对应标签颜色一致。【注意】确保边界的完整性，不规则形状可以借助SelectionTool的H进行不规则直接圈选。图9-18标记完成9.4实战：三维云标注3.导出数据单击页面右上角右侧文件标签，即可下载标注结果文件。结果文件可使用VSCode打开，查看格式如图9-19所示。图9-19结果展示9.4实战：三维云标注以