مقارنة أدوات توصيف سُحب النقاط: أدوات LiDAR مفتوحة المصدر ومدفوعة

ترسم معظم أدوات التوصيف ثلاثي الأبعاد مجسمات وتتتبعها عبر الإطارات، وتختلف فيما بينها أساسًا في صيغ سُحب النقاط التي تقرؤها وفي ما إذا كان دمج المستشعرات يكلّف مبلغًا إضافيًا. أما الفرق الأوضح فهو في القياس. وفي بقية الأدوات المقارَنة هنا، التي فُحصت بتاريخ 2026-09-24، يقتصر كل مقياس اتفاق يصفه توثيقها على الأنواع ثنائية الأبعاد، ولذلك فالمشروع الذي يحتاج اتفاقًا مصححًا للصدفة على الصناديق ثلاثية الأبعاد أمامه خيارات قليلة.

توصيف سحابة النقاط يعني وضع تسميات على بيانات ثلاثية الأبعاد متفرقة وغير منتظمة الأخذ، تأتي عادةً من LiDAR. وتتناول صفحة كيفية توصيف سُحب النقاط ثلاثية الأبعاد مسألة التوصيف نفسها، بما في ذلك تمثيل الدوران وسبب تضليل تقريب الاتفاق المحاذي للمحاور. أما هذه الصفحة فتقارن بين الأدوات.

تغطي هذه الصفحة الأبعاد الثلاثة فقط. وتغطي صفحة مقارنة أدوات التوصيف كل أنواع البيانات في صفحة واحدة.

القدرات جنبًا إلى جنب

قُرئ كل مُدخل من توثيق الأداة نفسها بتاريخ 2026-09-24. تعني الشرطة أن التوثيق لم يصف القدرة، وهذا لا يعني أن الأداة ترفضها.

صيغة LAZ هي التي تفرض خطوة تحويل في أغلب الأحيان. تقرؤها Supervisely مباشرةً. ولا يذكر توثيق Segments.ai سوى LAS 1.4 غير المضغوط، بينما يطلب Potato أن تفك ضغط ملف LAZ أولًا باستخدام laszip أو أن تثبّت laspy[laszip].

الاتفاق على التسميات ثلاثية الأبعاد

ثلاث أدوات هنا تورد مقياس اتفاق أصلًا، وثلاثتها تقصره على البعدين. توثيق CVAT صريح، إذ يذكر أن "تقدير الجودة يدعم المهام ثنائية الأبعاد فقط" ("quality estimation only supports 2d tasks") وأنه "يدعم كل أنواع التوصيف عدا المجسمات ثنائية الأبعاد" ("supports all the annotation types except 2d cuboids"). ويعمل توافق التسمية في Supervisely مع الصناديق المحيطة والأقنعة والمضلعات ووسوم الصور أو الكائنات، ودرجته تشابه ثنائي يتراوح بين 0 و100 بالمئة بدل معامل مصحح للصدفة. أما جدول دعم التوافق في Labelbox فيورد أنواع الصورة والفيديو والنص والمحادثة والصوت والبيانات الجغرافية المكانية والمستندات وHTML، دون أي مُدخل ثلاثي الأبعاد.

لا يذكر توثيق بقية الأدوات الاتفاق بين المُوصِّفين على التسميات ثلاثية الأبعاد. عامِل ذلك على أنه غياب للتوثيق لا على أنه قول عن الشيفرة.

تهمّ هذه الفجوة لأن الاتفاق على الهندسة ليس المسألة نفسها التي هي الاتفاق على التسميات. فالمُوصِّفان اللذان يحددان كلاهما سيارةً يختلفان بالدرجة لا بالفئة، ولذلك على المقياس أن يطابق الصناديق ببعضها أولًا ثم يسأل إن كان التباين المتبقي يتجاوز الصدفة. ويحسب Potato ذلك على الصناديق ثلاثية الأبعاد باستخدام تقاطع على اتحاد ثلاثي الأبعاد مُدوَّر ودقيق. ويحذّر دليل سُحب النقاط من التقريب المحاذي للمحاور للسبب نفسه، لأن التقريب يُبلّغ عن اختلاف هو من صنع المقياس نفسه.

دمج المستشعرات وتكلفته

إسقاط التسميات بين سحابة النقاط وصور الكاميرا هو الطريقة التي يتحقق بها المُوصِّف من عمل يبدو صحيحًا في المنظور العلوي ويبتعد أمتارًا على محور النظر. هذه القدرة شائعة، والسعر المرتبط بها يتفاوت تفاوتًا كبيرًا.

تُسقط Segments.ai المجسمات ثلاثية الأبعاد على إطارات الكاميرا تلقائيًا وتحافظ على معرّف المسار عبر المستشعرات، مع حصر دمج المستشعرات في فئة Fusion لديها. وتُسقط Supervisely ألوان سياق الصور على النقاط ثلاثية الأبعاد في كل إطار من إطارات الحلقة، مع إدراج LiDAR ثلاثي الأبعاد ودمج المستشعرات ضمن Enterprise ووضع عدد من أدوات المساعدة خلف إضافة Cloud Max. وتعيد Scale إسقاط المجسمات في مشاهد كاميرا ثنائية الأبعاد وتوفر نوع مهمة باسم Lidar Linking لتصحيح تلك الإسقاطات. وتعرض CVAT صورًا سياقية بجانب السحابة، ولا يصف توثيقها إسقاط التسميات بين الاثنين.

يأخذ Potato معايرة كاميرا لكل عنصر بحيث يُسقَط كل صندوق ثلاثي الأبعاد في الصور ويمكن التحقق منه في بعدين، وهي خطوة التحقق نفسها دون فئة مرتبطة بها.

الخيارات مفتوحة المصدر

عدد من الأدوات هنا مفتوح المصدر ومجاني للاستضافة الذاتية، وهي تناسب أعمالًا مختلفة. CVAT هي أكمل منصة عامة، بمجسمات ومسارات مستكملة داخليًا. وXtreme1 بترخيص Apache 2.0 مع دمج ثنائي وثلاثي الأبعاد وأداة سلاسل إطارات، وتقرأ .pcd فقط. وSUSTechPOINTS بترخيص GPL-3.0 وتركز على تحرير الصناديق بتسع درجات حرية مع تبديل تلقائي للكاميرا. وpoint_labeler بترخيص MIT وهي الأداة التي وُصِّفت بها SemanticKITTI، وتقوم بتوصيف دلالي وتوصيف نُسخ نقطةً بنقطة على تسلسلات KITTI بدل الصناديق.

يستحق موقع Label Studio صياغة دقيقة. فمرجع الوسوم مفتوح المصدر لا يورد أي وسم كائن لسحابة نقاط، وLiDAR يُقدَّم بوصفه واجهة Enterprise موصوفة في مدونة HumanSignal وموادها الصحفية لا في التوثيق المرجعي.

مهمة ثلاثية الأبعاد في Potato

أدوات Potato ثلاثية الأبعاد هي cuboid_3d وpoint_3d وpolyline_3d وsegment_3d، والأخيرة تطلي التسميات على النقاط مباشرةً.

annotation_schemes:
  - annotation_type: spatial_annotation
    name: traffic_objects
    description: "Draw a 3D box around each vehicle and pedestrian"
    tools:
      - cuboid_3d
    labels:
      - car
      - pedestrian
      - cyclist

يحدد tools أوضاع الرسم التي يحصل عليها المُوصِّف، فالمهمة التي تحتاج صناديق فقط لا تعرض طلاء النقاط. والعرض بمستويات التفصيل مفعَّل افتراضيًا، وهو ما يبقي سحابةً من ملايين النقاط قابلة للتفاعل داخل المتصفح.

الأسئلة الشائعة

تطابق الأسئلة أدناه عمليات بحث يتلقاها الموقع بالفعل بخصوص توصيف سُحب النقاط.

أي أداة لتوصيف سُحب النقاط ينبغي أن أستخدم؟

اختر بناءً على الصيغ والقياس لا على أدوات الرسم، فكل أداة هنا ترسم مجسمات. إن كانت بياناتك بصيغة LAZ فإن Supervisely تقرؤها دون تحويل. وإن كنت تحتاج دمج المستشعرات دون فئة إضافية فإن CVAT تعرض صورًا سياقية وPotato يُسقط الصناديق في مشاهد كاميرا معايَرة. وإن كان عليك أن تُبلّغ عن الاتفاق بين المُوصِّفين على صناديق ثلاثية الأبعاد فتأكد أن الأداة تقيس الهندسة لا التسميات، لأن ميزات الاتفاق الموثَّقة في هذه المقارنة مقصورة على البعدين.

هل توجد أداة مفتوحة المصدر لتوصيف سُحب النقاط ثلاثية الأبعاد؟

نعم، وهناك عدة أدوات بنقاط قوة مختلفة. فـCVAT وXtreme1 (Apache 2.0) وSUSTechPOINTS (GPL-3.0) وlabelCloud (GPL-3.0) وpoint_labeler (MIT) وPotato كلها مجانية للاستضافة الذاتية. وpoint_labeler تعمل نقطةً بنقطة لا بالصناديق واستُخدمت في توصيف SemanticKITTI، بينما تتمحور البقية حول المجسمات.

قراءات إضافية

• كيفية توصيف سُحب النقاط ثلاثية الأبعاد يتناول الصيغ والمعايرة والتقاطع على الاتحاد ثلاثي الأبعاد المدوَّر.
• قياس الاتفاق على الصناديق المحيطة يتناول الحالة ثنائية الأبعاد.
• مقارنة أدوات التوصيف تغطي كل أنواع البيانات في صفحة واحدة.

فُحص هذا مقابل توثيق كل مشروع وصفحة أسعاره ومستودعه بتاريخ 2026-09-24. إن كانت إحدى الخانات خاطئة، أخبِرنا.