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。
使用正交视图检查尺寸和方向。添加目标类型、载荷状态等必填属性，将几何与任务上下文关联起来。
在货架、载荷和移动设备附近使用明确的关键帧和可见区间。批准身份或几何变化前，先检查相邻帧。
这是为物流感知模型标注记录的仓库点云。团队为设备、存储货物、人员和空间结构定义类别，再审核生成的 3D 标签。
可以。在项目本体中定义所需类别。使用有向 3D 边界框描述目标范围、空间形状描述任务特定结构，或使用点级分割表示带标签区域。
使用类别属性；对于帧序列场景，还可设置随时间变化的属性值。在标注指南中定义已装载、未装载等可观察状态，并结合可用场景证据进行审核。
可以。使用关键帧和可见区间维护持续的 3D 边界框轨迹。插值补充关键帧之间的几何；相机辅助跟踪需要合适的标定相机序列。所有生成结果都应经过审核。
标注前先统一可见性和目标范围规则。检查点云、相邻帧，以及可用的标定相机图像。标记不确定的案例，避免未经说明地采用不一致的假设。
使用文件夹、标签、元数据和可用筛选条件整理场景记录。为选定布局、设备类别和采集条件创建数据集版本，让标注工作使用明确的数据范围。
使用必填属性验证、专家审核、独立场景的一致性评估（Consensus）和隐藏的 Quality Gate 参考标签。分配问题并审核修正结果，再批准数据集发布。
使用批量视图检查多个帧中的同一 3D 边界框。对照点云检查拟合程度，用可编辑关键帧修正漂移，并在批准轨迹前审核可见性变化。
LiDAR 标注以 Unitlab Unified Export Format（UUEF）导出，包含支持的空间几何、轨迹、场景元数据、标定和点标签数组。请验证输出是否符合模型流程和数据集约定。
