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.
직교 뷰에서 크기와 방향을 확인하세요. 객체 유형이나 적재 상태 같은 필수 속성을 연결해 도형과 작업 맥락을 함께 유지합니다.
랙, 적재물과 움직이는 장비 주변에 명시적인 키프레임과 가시성 구간을 사용하세요. 객체 식별 정보나 도형의 변경을 승인하기 전에 인접 프레임을 확인합니다.
물류 인지 모델을 위해 기록된 창고 포인트 클라우드에 라벨을 부여하는 작업입니다. 팀에서 장비, 보관 물품, 사람과 공간 구조의 클래스를 정의한 뒤 생성된 3D 라벨을 검토합니다.
네. 프로젝트 온톨로지에 필요한 클래스를 정의하세요. 객체 범위에는 방향이 있는 3D 바운딩 박스, 작업별 구조물에는 공간 도형, 라벨링된 영역에는 포인트 분할을 사용합니다.
클래스 속성을 사용하고, 프레임 기반 장면에서는 시간에 따라 변하는 속성값을 지정하세요. 적재 또는 비적재처럼 관찰 가능한 상태를 지침에 정의하고 사용 가능한 장면 데이터와 대조해 검토합니다.
네. 키프레임과 가시성 구간으로 지속적인 3D 바운딩 박스 트랙을 유지하세요. 보간은 키프레임 사이의 도형을 채우며, 카메라 기반 추적에는 적절한 캘리브레이션 카메라 시퀀스가 필요합니다. 생성된 결과는 모두 검토합니다.
어노테이션 전에 가시성과 객체 범위 규칙을 합의하세요. 포인트 클라우드, 인접 프레임과 사용 가능한 캘리브레이션 카메라 영상을 검토합니다. 불확실한 사례는 표시하고 일관되지 않은 추정을 적용하지 않습니다.
폴더, 태그, 메타데이터와 제공되는 필터로 기록된 장면을 정리하세요. 선택한 배치, 장비 클래스와 촬영 조건의 데이터셋 버전을 만들어 정해진 데이터로 어노테이션을 진행합니다.
필수 속성 검증, 전문가 검토, 독립 장면의 Consensus와 비공개 Quality Gate 참조 라벨을 사용하세요. 문제를 할당하고 수정 결과를 검토한 뒤 데이터셋 릴리스를 승인합니다.
배치 뷰에서 여러 프레임의 동일한 3D 바운딩 박스를 확인하세요. 포인트 클라우드에 맞는지 비교하고 편집 가능한 키프레임으로 드리프트를 수정한 뒤 가시성 변화를 검토해 트랙을 승인합니다.
LiDAR 어노테이션은 Unitlab Unified Export Format(UUEF)으로 내보내며, 지원되는 공간 도형, 트랙, 장면 메타데이터, 캘리브레이션과 포인트 라벨 배열을 포함합니다. 출력이 모델 파이프라인과 데이터셋 규칙에 맞는지 확인하세요.
