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。
使用基于点的几何表示边界和独立设施。在整个数据集中保持顶点位置、类别定义和必填属性一致。
在 3D 和可用的标定相机视图中检查类别分配。修正错误区域和缺失属性，再创建经过审核的标注发布版本。
这是标注点云数据中的基础设施特征，用于后续感知或分析模型。例如道路边界、路侧设施、结构和点级场景类别。
可以。使用 3D 折线和其他受支持的空间几何描绘任务定义的特征。对照测量点检查顶点，并记录模糊或不完整边界的处理规则。
可以。定义所需设施类别，并选择合适的 3D 几何或点级分割。使用共享属性记录任务相关信息，结合原始场景审核不确定的标签。
将 PCD、PLY 和 BIN 点云作为单个文件、ZIP 场景或文件夹上传。对于多传感器记录，使用场景清单保留帧序列、传感器定义、标定和位姿。
当每个测量点都需要类别标签时，例如路面、植被或结构，使用点级分割。边界使用折线，独立设施使用 3D 边界框或其他空间形状。
使用共享本体、必填属性和明确的边界定义。通过可用元数据和标签整理记录，为选定采集记录创建数据集版本，并对照代表性样本审核标签。
结合专家审核、独立场景的一致性评估（Consensus）和已批准的 Quality Gate 基准。在原始上下文中检查空间几何与点级标签，解决已分配问题，并在发布前检查必填属性。
在 3D 和可用的标定相机视图中检查边界顶点。对缺口和部分可见区域应用共享规则，将不确定案例记录为问题，并在接受标签前解决。
以 Unitlab Unified Export Format（UUEF）导出受支持的 LiDAR 标注，包括空间几何、点级标签、已有轨迹和场景元数据。检查坐标处理和类别定义是否符合下游处理流程。
