对3D点云数据的标注处理，依据处理方式和使用标注工具的不同，大致可以分为三类：

1)纯点云

纯点云使用的标注工具以3D立体框为主，待标注对象以3D立体框形式标出，并附上相对应的属性信息标签，具体形式如下：

2)融合标注

融合标注使用的3D标注工具仍以3D立体框为主，但在3D点云数据以外，还需要使用2D标注工具在点云数据相对应的2D图像中进行标注，3D点云数据中的标注对象与2D图像中的标注对象一一对应，具体形式如下：

3)3D点云语义分割

与2D图像语义分割标注逻辑类似，3D点云语义分割也是对不同的待标注对象进行上色分割、赋予语义标签，不同的是3D点云语义分割需要在3维立体点云中对每个像素点指定一个类别标签，比如车辆，行人，道路，建筑物等，具体形式如下：

相较于前两种标注方式，在需要更为精细的空间信息时(比如自动泊车)，立体框标注场景中如铰接式公交车等形状可变的物体，3D点云语义分割标注对路况数据的反馈更为精准，因此，3D点云语义分割标注在自动驾驶感知算法中所占的比重也越来越高。

不同算法、不同应用场景对点云语义分割的标注需求与规则也不尽相同，常见的相对简单的自动驾驶3D点云语义分割标注对象包括：

1.行人：通常指未骑乘交通工具的人，但包含骑滑板车、平衡车的人。

2.骑车人：通常包括骑摩托车、自行车、三轮车、电动车等的人。

3.车辆：车辆是3D点云语义分割标注场景下最为常见，且子分类较多的对象。子对象的划分有依据车辆具体车型，比如轿车、卡车、公交车、救护车等，也有依据类别，比如客车、货车、工程车等。

以类别为例，具体如下：

1)微型车：如代步车、各类三轮车等;

2)小型汽车：如轿车、SUV等;

3)客车：如大、中型巴士、双层巴士等载人车辆;

4)货车：如厢式货车等载货车辆;

5)工程车：洒水车、消防车、垃圾车等;

6)其他车辆。

4.路面相关：与路面相关的各种对象，可具体细分为马路可行驶区域、人行道、车道线等。

5.建筑物：如楼房、隧道桥面、桥墩、高架桥等。

6.植物：如草地、树木等

7.路面物体：路面物体也是一个子对象较多的种类，常见的包括：

1)护栏：如交通隔离栏、交通护栏等;

2)栅栏：临时性的如交通水马等;

3)交通标注：如红绿灯、标识牌、杆等;

4)障碍物：如交通锥桶、警示牌、防撞桶、石墩等;

5)其他物体。

8.噪声点云：如水雾、烟雾、汽车尾气、雨水等各类噪声点云。

以上是3D点云语义分割常见的各类标注对象，但不同场景，具体的对象划分规则以及待标注对象种类都存在巨大差异，并没有统一的标准。

而在更为具体的标注规则上，差异同样十分巨大。

常见的标注规则如物体起标范围，通常会规定点云数量超过X以上，该物体即需要标注，此外还会规定模糊无法判定物体的具体标注规则等等，不一而足。

具象化的标注实例如下：

随着自动驾驶商业量产进入新阶段，开放路段场景复杂且多变，需要自动驾驶算法有更深的场景积累度与迭代能力，以满足感知算法与行车安全的需求。

3D点云语义分割更精细的场景信息反馈，在帮助算法建立更贴合现实的场景模型，以及提升感知安全方面具备天然优势，在自动驾驶迈向大规模商业化应用的今天，势必将扮演更重要的角色。