点群アノテーションツール比較：オープンソースと有償の LiDAR ツール

3D アノテーションツールの多くは直方体を描いてフレーム間で追跡でき、違いが出るのは主に読み込める点群形式と、センサーフュージョンが追加料金になるかどうかです。より大きな分かれ目は測定にあります。ここで比較した他のツールについて 2026-09-24 に確認したところ、それぞれのドキュメントが記載する一致度の統計はいずれも 2D の型に限定されており、3D ボックスに対する偶然補正済みの一致度が必要なプロジェクトには選択肢がほとんどありません。

点群のアノテーションとは、まばらで不均一にサンプリングされた 3D データ、通常は LiDAR 由来のデータにラベルを置く作業です。3D 点群のアノテーション方法では、回転の表現や、軸平行な近似による一致度がなぜ誤解を招くかを含め、アノテーションの問題そのものを扱っています。このページではツールを比較します。

このページは 3D だけを扱います。アノテーションツール比較は、すべてのデータ型を 1 ページで扱っています。

機能の一覧比較

各項目は 2026-09-24 に各ツール自身のドキュメントから読み取りました。ダッシュは、その機能がドキュメントに記載されていないという意味であり、ツールがその機能を拒むということではありません。

変換の一手間を最も多く要求する形式が LAZ です。Supervisely は直接読み込みます。Segments.ai のドキュメントに載っているのは非圧縮の LAS 1.4 だけで、Potato は LAZ ファイルを先に laszip で展開するか、laspy[laszip] をインストールするよう求めます。

3D ラベルに対する一致度

ここで何らかの一致度の統計を報告しているのは 3 つのツールで、いずれも対象を 2D に限定しています。CVAT のドキュメントは明示的で、「品質推定は 2d のタスクのみをサポートする」（"quality estimation only supports 2d tasks"）、また「2d 直方体を除くすべてのアノテーション型をサポートする」（"supports all the annotation types except 2d cuboids"）と述べています。Supervisely のラベリングコンセンサスはバウンディングボックス、マスク、ポリゴン、画像タグまたはオブジェクトタグに対して機能し、そのスコアは偶然補正済みの係数ではなく 0 から 100 パーセントのペアワイズ類似度です。Labelbox のコンセンサス対応表には画像、動画、テキスト、チャット、音声、地理空間、ドキュメント、HTML の各型が並び、3D の項目はありません。

残りのツールのドキュメントは、3D ラベルに対するアノテーター間の一致度に触れていません。これはドキュメントが存在しないということであって、コードについての言明ではないと受け取ってください。

この空白が重要なのは、幾何に対する一致度がラベルに対する一致度と同じ問題ではないからです。2 人のアノテーターがどちらも車を記した場合、食い違いはカテゴリではなく程度として現れるため、指標はまずボックス同士を対応づけ、そのうえで残った変動が偶然を超えるかを問う必要があります。Potato は正確な回転 3D IoU を使って 3D ボックスに対しこれを計算します。点群ガイドが軸平行な近似を避けるよう注意しているのも同じ理由で、近似は指標そのものが生む不一致を報告してしまうからです。

センサーフュージョンとその費用

点群とカメラ画像の間でラベルを投影することは、鳥瞰図では正しく見えて視線方向には数メートルずれている作業を、アノテーターが確認する手段です。この機能はよくあるもので、それに付く価格は大きく異なります。

Segments.ai は 3D 直方体をカメラフレームへ自動で投影し、センサー間でトラック ID を保持します。センサーフュージョンは Fusion ティアに限定されています。Supervisely はエピソードの各フレームで写真コンテキストの色を 3D の点に投影し、3D LiDAR とセンサーフュージョンは Enterprise に記載され、支援ツールのいくつかは Cloud Max アドオンの側にあります。Scale は直方体を 2D のカメラビューへ再投影し、その投影を修正するための Lidar Linking というタスク型を提供しています。CVAT は点群の横にコンテキスト画像を表示しますが、両者の間でラベルを投影することはドキュメントに記載されていません。

Potato はアイテムごとにカメラキャリブレーションを受け取るため、すべての 3D ボックスが画像へ投影され 2D で確認できます。ティアが付かない同じ検証手順です。

オープンソースの選択肢

ここで挙げたツールのいくつかはオープンソースで無料で自己ホストでき、それぞれ向く仕事が違います。CVAT は最も機能が揃った汎用プラットフォームで、直方体と補間されたトラックを備えています。Xtreme1 は Apache 2.0 で、2D と 3D のフュージョンとフレームシリーズのツールを持ち、読み込めるのは .pcd だけです。SUSTechPOINTS は GPL-3.0 で、カメラの自動切り替えを伴う 9 自由度のボックス編集に重点があります。point_labeler は MIT で、SemanticKITTI のラベリングに使われたツールです。ボックスではなく、KITTI シーケンスに対する点単位の意味論的ラベリングとインスタンスラベリングを行います。

Label Studio の位置づけは慎重に述べる必要があります。オープンソース版のタグリファレンスには点群オブジェクトタグの記載がなく、LiDAR は Enterprise のインターフェースとして提供され、その説明はリファレンスドキュメントではなく HumanSignal のブログやプレス資料にあります。

Potato での 3D タスク

Potato の 3D ツールは cuboid_3d、point_3d、polyline_3d、segment_3d で、最後のものはラベルを点に直接塗ります。

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

tools はアノテーターが使える描画モードを選ぶので、ボックスだけでよいタスクでは点の塗りつぶしは出てきません。詳細度に応じたレンダリングは既定で有効で、数百万点の点群をブラウザで操作できる状態に保っているのはこれです。

よくある質問

以下の質問は、このサイトが点群アノテーションについてすでに受け取っている検索と対応しています。

点群アノテーションにはどのツールを使えばよいですか

描画ツールではなく、対応形式と測定で選んでください。ここに挙げたツールはどれも直方体を描けるからです。データが LAZ なら、Supervisely は変換なしで読み込みます。追加ティアなしでセンサーフュージョンが必要なら、CVAT はコンテキスト画像を表示し、Potato はキャリブレーション済みのカメラビューへボックスを投影します。3D ボックスについてアノテーター間の一致度を報告する必要があるなら、そのツールがラベルではなく幾何を測っているか確認してください。この比較で文書化されている一致度の機能はいずれも 2D に限定されているからです。

3D 点群アノテーションのオープンソースツールはありますか

あります。しかも強みの異なるものが複数あります。CVAT、Xtreme1（Apache 2.0）、SUSTechPOINTS（GPL-3.0）、labelCloud（GPL-3.0）、point_labeler（MIT）、Potato はいずれも無料で自己ホストできます。point_labeler はボックスではなく点単位で、SemanticKITTI のラベリングに使われました。他のものは直方体を中心に据えています。

さらに読む

• 3D 点群のアノテーション方法では形式、キャリブレーション、回転 3D IoU を扱っています。
• バウンディングボックスの一致度の測り方では 2D の場合を扱っています。
• アノテーションツール比較は、すべてのデータ型を 1 ページで扱っています。

2026-09-24 に各プロジェクトのドキュメント、価格ページ、リポジトリと照合しました。セルの内容に誤りがあれば、お知らせください。