01
课程导论
什么是点云？为什么需要标注？自动驾驶中的传感器融合简介。
概念融合
02
点云数据基础
激光雷达工作原理（TOF、机械式/固态）、点云数据结构（XYZI、PCD、BIN格式）。
原理格式
03
环境搭建
Ubuntu系统安装、ROS Noetic安装、Python3与依赖库（numpy, open3d, pandas）。
UbuntuROS
04
点云可视化入门
使用Open3D读取并显示点云、调整视角与颜色、保存截图。
Open3D可视化
05
点云预处理（上）
体素滤波（Voxel Grid Filter）降采样、直通滤波（PassThrough Filter）裁剪ROI。
滤波降采样
06
点云预处理（下）
统计滤波去除离群点、半径滤波、地面点分割（RANSAC平面拟合）。
去噪RANSAC
07
标注工具选型
开源工具对比（LabelCloud, 3D-BAT, SuMa, PointLabeler）、商业工具简介。
工具对比
08
LabelCloud实战（一）
安装与启动、界面布局、加载点云与标签配置文件。
LabelCloud入门
09
LabelCloud实战（二）
3D包围盒标注（位置、尺寸、朝向）、属性编辑、关键帧标注。
3D框关键帧
10
LabelCloud实战（三）
自动标注辅助（基于聚类算法的预标注）、批量导出标注结果（JSON格式）。
自动标注导出
11
标注规范与质量控制
标注类别定义（车辆、行人、骑行者、障碍物）、遮挡与截断处理、多人标注一致性校验。
规范质量
12
数据格式转换
KITTI格式详解（calib, label_2, velodyne）、nuScenes格式简介、自定义格式转换脚本。
KITTI转换
13
点云序列标注
时间戳对齐、多帧连续标注、光流与跟踪ID的赋予。
序列跟踪
14
多传感器融合标注
相机-激光雷达联合标定基础、投影点云到图像、2D-3D联合标注策略。
融合标定
15
半自动标注流水线
基于DBSCAN的聚类预标注、基于卡尔曼滤波的跟踪预测、人工修正流程。
半自动DBSCAN
16
数据增强与扩充
点云旋转、平移、缩放、随机丢弃、混合场景生成。
增强扩充
17
标注数据管理
数据集目录结构设计、数据版本控制（DVC）、数据清洗与去重。
管理DVC
18
标注质量评估
计算标注交并比（IoU）、可视化错误标注、生成质量报告。
IoU评估
19
点云分割标注
语义分割标注（逐点标签）、实例分割标注（聚类+ID）、工具（PointLabeler）实操。
分割PointLabeler
20
复杂场景标注
夜间/雨雾天气点云处理、多目标密集场景标注、远距离小目标标注技巧。
复杂场景技巧
21
标注数据格式标准化
BDD100K、Waymo Open Dataset格式适配、ONNX/TensorRT部署前的数据准备。
标准化部署
22
自动化标注进阶
基于深度学习（PointPillars, CenterPoint）的自动标注、模型预测结果的后处理与筛选。
深度学习自动标注
23
标注任务管理
使用Label Studio进行任务分配、进度追踪、审核流程。
Label Studio管理
24
数据隐私与安全
点云脱敏（去除行人面部/车牌）、数据加密存储、合规性检查。
隐私脱敏
25
大规模标注实战
分布式标注架构、数据分片与合并、云端标注方案（AWS/GCP）。
分布式云标注
26
标注数据在模型训练中的应用
数据加载器（DataLoader）编写、数据增强集成、训练/验证/测试集划分。
训练DataLoader
27
模型评估与标注迭代
使用标注数据训练轻量级检测模型、分析模型失败案例、迭代优化标注标准。
迭代评估
28
项目实战（一）
从零标注一个100帧的园区数据集（包含车辆、行人、自行车）。
实战园区
29
项目实战（二）
数据清洗、格式转换、训练一个简单的PointPillars模型并评估。
PointPillars评估
30
课程总结与展望
标注行业趋势（4D标注、Occupancy Network）、自动化标注的未来、职业发展建议。
趋势职业