批量工作流、基于相机的 Find Similar 和 Auto-Tracking，以及插值，减少重复的手动 LiDAR 标注。
平均而言，85% 的 LiDAR 标签由系统自动预标注，再由人工审核和完善。
通过自动化数据筛选、标注和质量保证，每个合格标签的成本最低可降至原来的 1/15。
在点云和关联的标定相机视图中检查道路参与者的边界框。以 3D 标签为基准，借助图像证据解决类别和边界疑问。
在运动或可见性发生变化时完善边界框关键帧。检查相邻帧之间的插值结果，并一致应用项目的遮挡规则。
这是对记录的点云场景中的目标和空间结构进行标注，为驾驶感知准备训练数据。标签可描述目标的 3D 范围、点级类别、道路边界以及场景帧之间的变化。
为车辆、行人、骑行者及模型所需的道路元素定义类别。使用 3D 边界框表示目标范围、折线表示边界、点级分割表示具有类别标签的区域。
可以。场景能够包含多个点云传感器和相机图像。提供所需的标定与位姿信息后，投影标签和关联相机框可在各个可用视图中保持一致。
相机辅助跟踪在标定相机序列中跟踪投影的目标框，再将 3D 边界框拟合到 LiDAR 点上。审核生成的轨迹并完善关键帧时，人工修正会得到保留。
边界框轨迹保留目标身份、几何、关键帧和可见区间。插值补充关键帧之间的位置、尺寸和旋转。标注员对照点云审核结果，修正存在歧义的运动或可见性变化。
Unitlab 支持 PCD、PLY 和 BIN 点云数据，以及 ZIP 和文件夹形式的场景上传。场景清单可描述传感器、帧、相机标定和位姿。导入驾驶数据集前，请检查格式与场景结构。
使用共享指南、必填属性、专家审核、独立 LiDAR 场景的一致性评估（Consensus）和 Quality Gate 基准。跨帧检查几何与目标身份，解决问题后再批准标签。
可以。通过文件夹、标签、元数据和可用筛选条件整理场景。选择有代表性的路线、条件和困难样本，再将选定数据记录为数据集版本，用于标注与审核。
以 Unitlab Unified Export Format（UUEF）导出已审核的 LiDAR 标注，保留支持的几何、轨迹、场景元数据、标定和点标签数组。使用前请确认类别约定和坐标处理方式与训练代码一致。
