3D 추적
LiDAR 포인트와 보정된 카메라 데이터를 Find Similar 및 Auto-Tracking과 함께 활용하세요. 키프레임 사이의 3D 큐보이드를 보간한 뒤, 장면 맥락을 보며 트랙을 검토하고 수정할 수 있습니다.
Find SimilarAuto-Tracking3D 보간
LiDAR 및 3D 어노테이션 플랫폼
3D 인식을 위한 LiDAR 어노테이션 플랫폼
라이다(LiDAR) 포인트 클라우드 라벨링, 카메라 기반 추적, 공통 온톨로지, 체계적인 품질 관리로 신뢰할 수 있는 3D 학습 데이터를 구축하세요.
신용카드 없이 시작하세요
모든 차원에서 정밀하게
LiDAR 어노테이션에 필요한 모든 기능
하나의 작업 공간에서 3D 객체와 개별 포인트를 라벨링하고, 보정된 센서 뷰를 연결하며, 트랙을 정밀하게 수정하세요.
정밀한 3D 형상과 포인트 라벨
원근 및 직교 뷰에서 큐보이드를 정밀하게 맞추세요. 포인트 영역을 칠하고 폴리곤, 폴리라인, 포인트, 구로 공간 경계를 라벨링할 수 있습니다.
포인트 단위 인스턴스 및 시맨틱 분할
포인트 클라우드에 시맨틱 클래스를 지정하고 개별 객체를 구분하세요. 보정된 카메라 맥락을 참고하며 3D 포인트 라벨을 정밀하게 수정할 수 있습니다.
중첩 온톨로지와 동적 속성
3D 객체와 장면에 중첩·조건부 속성을 갖춘 클래스를 정의하세요. 프레임별 상태 변화를 기록하고 타임라인에서 해당 시간 구간을 확인할 수 있습니다.
통합 3D 어노테이션 타임라인
객체 트랙, 가시성 구간, 키프레임, 동적 속성을 함께 검토하세요. 확인이 필요한 프레임과 객체로 바로 이동할 수 있습니다.
센서 맥락동기화된 LiDAR + 카메라
보정된 멀티센서 뷰
동기화된 카메라 이미지와 함께 LiDAR 및 레이더 포인트 클라우드를 확인하세요. 원본 센서 맥락에서 투영된 3D 형상과 연결된 카메라 박스를 검토할 수 있습니다.
동기화된 뷰보정된 투영
대규모 AI 데이터를 위한 설계
AI 기반 자동화와 확장 가능한 워크플로로 복잡한 LiDAR 데이터를 더 빠르게 라벨링하고 운영 비용을 줄이세요.
15×
더 빠른 LiDAR 데이터 어노테이션
배치 워크플로, 카메라 기반 Find Similar와 Auto-Tracking, 보간으로 반복적인 수동 LiDAR 라벨링을 줄이세요.
85%
자동화된 LiDAR 어노테이션
평균적으로 LiDAR 라벨의 85%가 자동으로 사전 라벨링되며, 이후 사람이 검토하고 정밀하게 수정합니다.
15×
더 낮은 학습 데이터 비용
큐레이션, 어노테이션, QA를 자동화하면 승인된 라벨당 비용을 최대 1/15로 줄일 수 있습니다.
기본 제공 3D 라벨링 도구
객체, 장면, 시퀀스를 위한 LiDAR 어노테이션 유형
인식 작업에 맞는 형상과 속성을 선택하고 모든 장면에 일관되게 적용하세요.
01
3D 큐보이드
정확한 크기와 회전을 갖춘 방향성 3D 박스로 객체를 라벨링하세요. 원근, 상단, 측면, 후면 뷰에서 형태를 정밀하게 맞출 수 있습니다.
02
포인트 분할
포인트 단위로 객체와 장면 라벨을 칠하세요. 원본 포인트 클라우드 맥락을 유지하며 클래스와 속성을 지정할 수 있습니다.
03
3D 폴리곤
3D 꼭짓점과 닫힌 경계로 공간 영역의 윤곽을 지정하고 일관되게 라벨링하세요.
04
3D 구
중심과 반지름을 편집할 수 있는 구형 영역을 표시하세요. 클래스 속성과 시간별 상태를 함께 관리할 수 있습니다.
05
3D 폴리라인
연결된 3D 포인트로 연석, 방호벽 등 열린 경계를 표시하세요.
06
3D 포인트
클래스 라벨과 구조화된 속성으로 정확한 공간 위치와 랜드마크를 표시하세요.
07
연결된 카메라 박스
3D 큐보이드를 보정된 카메라 이미지의 2D 박스와 연결하고 두 뷰를 함께 검토하세요.
08
객체 및 장면 속성
재사용 가능한 분류와 조건부 속성을 적용하세요. 객체와 장면의 프레임별 속성 변화를 기록할 수 있습니다.
09
트랙 및 키프레임
포인트 클라우드 시퀀스 전체에서 객체 ID, 가시성 구간, 편집 가능한 키프레임을 일관되게 유지하세요.
LiDAR 어노테이션 품질 보증
모든 3D 어노테이션에 품질을 더하세요.
독립적으로 작성된 장면 어노테이션을 비교하고, 승인된 기준 라벨로 검사하며, 포인트 클라우드와 프레임 맥락을 보면서 이슈를 해결하세요.
LiDAR 어노테이션 컨센서스
동일한 LiDAR 장면에 대한 독립적인 어노테이션을 비교하세요. 라벨 승인 전에 3D 형상, 클래스, 객체 속성의 불일치를 검토할 수 있습니다.
장면 단위 근거일치도 검사불일치 검토
Quality Gate (Honeypot)
어노테이터에게 숨겨진 승인 기준 라벨로 장면 어노테이션을 검사하세요. 설정한 기준에 따라 통과, 실패, 평가 불가 경로로 결과를 전달합니다.
검증 및 이슈 해결
누락된 필수 속성과 어노테이션 이슈를 찾으세요. 수정 작업을 배정하고 해당 객체와 프레임을 확인한 뒤 배포 전에 피드백을 해결할 수 있습니다.
LiDAR QA 분석
벤치마크 결과, 컨센서스 결과, 미해결 이슈, 검증 항목을 함께 확인하세요. 주의가 필요한 장면과 객체에 검토를 집중할 수 있습니다.
벤치마크 결과검토 결과
LiDAR 데이터셋 큐레이션 및 어노테이션 워크플로
LiDAR 데이터를 큐레이션하고 어노테이션 워크플로를 자동화하세요.
LiDAR 데이터셋을 검색, 버전 관리, 검토하고 AI 모델을 연결해 어노테이션을 검토와 승인 단계로 진행하세요.
데이터셋 버전
장면 데이터셋을 만들고 선택한 버전을 고정한 뒤 재업로드 없이 프로젝트에 연결하세요. 데이터 선택부터 릴리스까지 추적할 수 있습니다.
검색 및 필터
폴더, 태그, 클래스, 속성, 담당자, 이슈 상태로 장면을 찾으세요. 필요한 데이터로 집중된 어노테이션 작업 대기열을 구성할 수 있습니다.
임베딩 뷰
자체 임베딩으로 LiDAR 데이터셋을 시각화하고 모델 학습 전에 클러스터, 이상치, 라벨링 이슈를 검토하세요.
통합 워크플로
LiDAR 어노테이션, 검토, 품질 보증을 하나의 연속된 과정으로 연결하세요. 작업 인계를 줄이고 라벨링부터 승인까지 원활하게 진행할 수 있습니다.
자체 LiDAR 모델 연결
LiDAR 모델 파이프라인을 위한 검토된 3D 라벨과 버전 관리된 데이터셋을 준비하세요. 모델 연동 요구사항은 Unitlab 팀과 상담할 수 있습니다.
솔루션
산업과 활용 사례별 LiDAR 어노테이션
자율주행, 로보틱스, 창고 인식, 인프라 매핑을 위한 검토된 3D 학습 데이터를 구축하세요.
궁금한 점을 확인하세요
LiDAR 어노테이션 플랫폼 FAQ
포인트 클라우드 형식, 3D 라벨링 도구, 보정된 카메라 뷰, 추적, 품질 보증, 데이터셋 버전 관리에 대한 답변을 확인하세요.
Unitlab 팀과 상담하기Unitlab은 어떤 LiDAR 및 포인트 클라우드 형식을 지원하나요?
+
PCD, PLY, BIN 포인트 클라우드를 개별 파일, ZIP 장면 또는 폴더로 업로드하세요. 장면 매니페스트에는 여러 LiDAR·레이더 센서, 보정된 카메라, 프레임 포즈를 포함할 수 있습니다. 지원되는 nuScenes 기록도 장면 입력 형식으로 변환합니다.
LiDAR 데이터 준비 가이드 읽기어떤 3D 어노테이션 유형을 사용할 수 있나요?
+
방향성 3D 큐보이드, 포인트 분할, 폴리라인, 폴리곤, 포인트, 구를 지원합니다. 카메라 박스를 해당 3D 큐보이드에 연결할 수 있으며, 공통 온톨로지로 클래스, 조건부 속성, 장면 단위 라벨을 정의합니다.
3D 어노테이션 유형 살펴보기보정된 LiDAR와 카메라 뷰는 어떻게 함께 작동하나요?
+
장면은 포인트 클라우드와 카메라 이미지를 프레임별로 정렬합니다. 제공된 보정 정보와 센서 포즈를 바탕으로 원본 카메라 맥락에서 투영된 3D 형상, 연결된 카메라 박스, 포인트 오버레이를 확인할 수 있습니다.
카메라 보정 가이드 읽기Auto-Tracking, Find Similar, 보간은 어떻게 작동하나요?
+
Find Similar는 보정된 카메라 이미지에서 선택한 객체를 사용한 뒤, 후보 큐보이드를 LiDAR 포인트에 맞춥니다. Auto-Tracking은 프레임 간 카메라 정보를 추적하여 수동 수정을 유지하면서 편집 가능한 3D 키프레임을 생성합니다. 보간은 신뢰할 수 있는 키프레임 사이의 지원 형상을 채우며, 배치 뷰로 큐보이드 드리프트를 검토할 수 있습니다.
LiDAR 추적 및 보간 살펴보기 LiDAR 유사 항목 찾기 살펴보기LiDAR 객체 속성을 시간에 따라 변경할 수 있나요?
+
네. 객체와 장면에 중첩·조건부 속성을 정의하고 움직임 상태나 가림 정도처럼 프레임에 따라 바뀌는 값을 설정할 수 있습니다. 장면 타임라인에서 객체 트랙, 키프레임, 가시성 구간, 속성 구간을 함께 확인할 수 있습니다.
동적 속성 살펴보기LiDAR 어노테이션 품질은 어떻게 검사하나요?
컨센서스는 LiDAR 장면의 독립적인 어노테이션을 비교하고 불일치를 검토하도록 합니다. Quality Gate는 숨겨진 승인 기준 라벨로 제출물을 검사합니다. 필수 속성 검증과 어노테이션 이슈로 배포 전에 수정할 수 있으며, 검토자는 관련 형상과 프레임 맥락을 확인할 수 있습니다.
LiDAR 품질 보증 가이드 읽기LiDAR 학습 데이터셋을 어떻게 큐레이션하고 내보내나요?
폴더와 태그로 장면을 정리하고 라벨·검토 상태로 필터링한 뒤 데이터셋 버전을 고정하세요. 3D 어노테이션, 시간 기반 트랙, 장면 메타데이터, 보정 정보, 포인트 라벨 배열을 포함한 UUEF 릴리스를 내보내 후속 학습 데이터 파이프라인에 활용할 수 있습니다.
LiDAR 어노테이션 내보내기 살펴보기
