배치 워크플로, 카메라 기반 Find Similar와 Auto-Tracking, 보간으로 반복적인 수동 LiDAR 라벨링을 줄입니다.
평균적으로 LiDAR 라벨의 85%가 자동으로 사전 라벨링되며, 이후 사람이 검토하고 다듬습니다.
큐레이션, 어노테이션, QA를 자동화하면 승인된 라벨당 비용을 최대 1/15 수준으로 낮출 수 있습니다.
포인트 기반 도형으로 경계와 개별 시설물을 표현하세요. 데이터셋 전반에서 꼭짓점 배치, 클래스 정의와 필수 속성을 일관되게 유지합니다.
3D 뷰와 사용 가능한 캘리브레이션 카메라 뷰에서 클래스 할당을 확인하세요. 잘못 라벨링된 영역과 누락된 속성을 해결한 뒤 검토된 어노테이션 릴리스를 만듭니다.
후속 인지 또는 분석 모델을 위해 포인트 클라우드의 인프라 요소에 라벨을 부여하는 작업입니다. 도로 경계, 도로변 시설물, 구조물과 포인트 수준의 장면 클래스 등이 포함됩니다.
네. 3D 폴리라인과 지원되는 공간 도형으로 작업에서 정의한 요소를 표시하세요. 측정된 포인트에 맞춰 꼭짓점을 확인하고 모호하거나 불완전한 경계의 처리 규칙을 문서화합니다.
네. 필요한 시설물 클래스를 정의하고 적절한 3D 도형이나 포인트 분할을 선택하세요. 작업 관련 속성에는 공유 정의를 사용하고, 불확실한 라벨은 원본 장면을 보며 검토합니다.
PCD, PLY, BIN 포인트 클라우드를 개별 파일, ZIP 장면 또는 폴더로 업로드하세요. 여러 센서의 기록에는 장면 매니페스트를 사용해 프레임 시퀀스, 센서 정의, 캘리브레이션과 포즈를 유지합니다.
도로 표면, 식생, 구조물처럼 측정된 각 포인트에 클래스 라벨이 필요하면 포인트 분할을 사용하세요. 경계에는 폴리라인을, 개별 시설물에는 3D 바운딩 박스나 기타 공간 도형을 사용합니다.
공유 온톨로지, 필수 속성과 명확한 경계 정의를 사용하세요. 메타데이터와 태그로 기록을 정리하고 선택한 세션의 데이터셋 버전을 만든 뒤 대표 예제와 비교해 라벨을 검토합니다.
전문가 검토, 독립 장면의 Consensus와 승인된 Quality Gate 기준 데이터를 결합하세요. 맥락 속에서 공간 도형과 포인트 라벨을 검토하고 할당된 문제를 해결한 뒤 필수 속성을 확인해 릴리스합니다.
3D 뷰와 사용 가능한 캘리브레이션 카메라 뷰에서 경계 꼭짓점을 확인하세요. 빈 구간과 부분 가시성에 공유 규칙을 적용하고 불확실한 사례를 문제로 기록해 라벨 승인 전에 해결합니다.
지원되는 LiDAR 어노테이션을 Unitlab Unified Export Format(UUEF)으로 내보내면 공간 도형, 포인트 라벨, 존재하는 트랙과 장면 메타데이터가 포함됩니다. 좌표 처리와 클래스 정의가 후속 처리 파이프라인에 맞는지 확인하세요.
