相机标定与二维核验
把每一个三维立方体投影到各个已标定的相机图像上，让标注者在三维中编辑、在二维中核验。以及为什么缺了这一步，三维标注就没有反馈回路。
在点云中画一个三维框，然后看着它落在拍到该物体的那张照片上的对应位置。 按条目提供的相机标定，会把每一个立方体投影到每一个相机视图中，并随框的移动实时重绘。
yaml
annotation_schemes:
- annotation_type: spatial_annotation
name: objects
source_field: point_cloud
calibration_field: calibration # 存放相机装置信息的条目字段
tools: [cuboid_3d]
labels:
- {name: car, color: "#FF6B6B"}可运行示例：examples/spatial/kitti-cuboids/。
为什么这比听起来更重要
40 米外的一辆车只有几十个激光雷达回波点。框贴得紧不紧、长度对不对、旋转是否正确，仅凭点云几乎都无法回答，而在相机图像中却一目了然。
因此标注者是在三维中编辑、在二维中核验的。视口下方的面板会显示每个相机的视图，并把各个框投影其上。
没有这一步，三维标注就没有反馈回路。一个从环绕相机看起来正确的框，可能沿视线方向偏差数米，而三维视图中没有任何东西会提示你。
坐标系是最容易出错的地方
标定是一条变换链，每一环都有可能悄悄出错：
- 参考坐标系与相机坐标系。 在本应使用校正后参考坐标系的地方用了某一台相机的变换，会让每个框都平移该相机的双目基线距离。几厘米，且是系统性的，很容易被误以为是标注者不够细致。
- 位置约定。 KITTI 的三维位置指的是框底面的中点。若按中心来读，会把每个物体埋进地下半个自身高度。
- 尺寸顺序与坐标轴分配。 KITTI 的尺寸是
h w l，并且在框自身的坐标系中，长度沿 X 轴，高度沿 Y 轴向下，宽度沿 Z 轴。若假定长度沿相机的前向轴——这看起来是最自然的选择——就会得到一个恰好旋转了 90° 的框。
最后这一条最具启发性：往返测试抓不到它，因为逆向转换做了同样的假设，两者彼此自洽。只有与官方开发工具包自己的角点公式作比对才能发现，而针对这一点确实有一项测试。