本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。 # 了解 3D 点云语义分割任务类型 语义分割涉及将 3D 点云的各个点划分到预指定的类别。如果您希望工作人员为 3D 点云创建点级语义分割掩膜，请使用该任务类型。例如，如果您指定 `car`、`pedestrian` 和 `bike` 类，则工作人员每次选择一个类，然后在点云中为该类适用的所有点指定相同的颜色。 对于该任务类型，工作人员标注的数据对象是单个点云帧。Ground Truth 使用您提供的点云数据生成 3D 点云可视化。您也可以提供摄像机数据，以便为工作人员提供有关帧中的场景的更多视觉信息，并协助工作人员绘制对象。当工作人员在 2D 图像或 3D 点云中绘制对象时，绘制内容将显示在另一个视图中。 您也可以使用 3D 点云语义分割调整或标注任务类型以调整或验证在 3D 点云对象检测标注作业中创建的注释。要了解有关调整和验证标注作业的更多信息，以及如何创建标注作业，请参阅[标签验证和调整](sms-verification-data.md)。 如果您是 Ground Truth 3D 点云标注模式的新用户，我们建议您查阅 [3D 点云标注作业概览](sms-point-cloud-general-information.md)。该标注模式与其他 Ground Truth 任务类型不同，该主题概述了在创建 3D 点云标注作业时应注意的重要详细信息。 以下主题将介绍如何创建 3D 点云语义分割作业，展示工作人员任务界面的外观（工作人员执行任务时看到的内容），并概述工作人员完成任务后获得的输出数据。 **Topics** + [创建 3D 点云语义分割标注作业](sms-point-cloud-semantic-segmentation-create-labeling-job.md) + [查看 3D 点云语义分割工作的工人任务界面](sms-point-cloud-semantic-segmentation-worker-ui.md) + [3D 点云语义分割作业的输出数据](sms-point-cloud-semantic-segmentation-input-data.md) # 创建 3D 点云语义分割标注作业 您可以使用 SageMaker AI 控制台或 API 操作创建 3D 点云标签作业[https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)。要为该任务类型创建标注作业，您需要具有以下内容： + 单帧输入清单文件。要了解如何创建这种类型的清单文件，请参阅[创建点云帧输入清单文件](sms-point-cloud-single-frame-input-data.md)。如果您是 Ground Truth 3D 点云标注模式的新用户，我们建议您查阅 [接受的原始 3D 数据格式](sms-point-cloud-raw-data-types.md)。 + 来自私有或供应商人力的工作团队。您无法将 Amazon Mechanical Turk 工作人员用于 3D 点云标注作业。要了解如何创建人力和工作团队，请参阅[人力](sms-workforce-management.md)。 + 标签类别配置文件。有关更多信息，请参阅 [带有标签类别和框架属性参考的标注类别配置文件](sms-label-cat-config-attributes.md)。 此外，请确保您已查阅[分配 IAM 权限以使用 Ground Truth](sms-security-permission.md)并满足相应的要求。 可以使用以下几节之一以了解如何使用控制台或 API 创建标注作业。 ## 创建标注作业（管理控制台） 您可以按照说明学习如何[创建标注作业（控制台）](sms-create-labeling-job-console.md)在 SageMaker AI 控制台中创建 3D 点云语义分割标注作业。在创建标注作业时，请注意以下事项： + 输入清单文件必须是单帧清单文件。有关更多信息，请参阅 [创建点云帧输入清单文件](sms-point-cloud-single-frame-input-data.md)。 + 3D 点云标注任务不支持自动数据标注和注释合并。 + 3D 点云语义分割标注作业可能需要几小时才能完成。在选择工作团队时，您可以为这些标注作业指定更长的时间限制（最多 7 天或 604800 秒）。 ## 创建标注作业 (API) 本节介绍使用 SageMaker API 操作创建标签任务时需要了解的详细信息`CreateLabelingJob`。此 API 为所有人定义了此操作 AWS SDKs。要查看此操作 SDKs 支持的特定语言列表，请查看的 “**另请参阅**” 部分。[https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html) [创建标注作业 (API)](sms-create-labeling-job-api.md)页面概述了 `CreateLabelingJob` 操作。请按照这些说明进行操作，并在配置请求时执行以下操作： + 您必须为 `HumanTaskUiArn` 输入一个 ARN。使用 `arn:aws:sagemaker::394669845002:human-task-ui/PointCloudSemanticSegmentation`。将 `` 替换为您在其中创建标注作业的 AWS 区域。 不应具有 `UiTemplateS3Uri` 参数的条目。 + [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelAttributeName](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelAttributeName) 必须以 `-ref` 结尾。例如 `ss-labels-ref`。 + 输入清单文件必须是单帧清单文件。有关更多信息，请参阅 [创建点云帧输入清单文件](sms-point-cloud-single-frame-input-data.md)。 + 您可以在标签类别配置文件中指定标签和工作人员说明。请参阅[带有标签类别和框架属性参考的标注类别配置文件](sms-label-cat-config-attributes.md)以了解如何创建该文件。 + 您需要为标注前和后注解 ( ARNs ACS) Lambda 函数提供预定义的。 ARNs 它们特定于您用于创建标签任务的 AWS 区域。 + 要查找注释前 Lambda ARN，请参考 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_HumanTaskConfig.html#sagemaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_HumanTaskConfig.html#sagemaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn)。请使用您在其中创建标注作业的区域以查找正确的 ARN。例如，如果您在 us-east-1 中创建标注作业，则 ARN 为 `arn:aws:lambda:us-east-1:432418664414:function:PRE-3DPointCloudSemanticSegmentation`。 + 要查找注释后 Lambda ARN，请参考 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AnnotationConsolidationConfig.html#sagemaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AnnotationConsolidationConfig.html#sagemaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn)。请使用您在其中创建标注作业的区域以查找正确的 ARN。例如，如果您在 us-east-1 中创建标注作业，则 ARN 为 `arn:aws:lambda:us-east-1:432418664414:function:ACS-3DPointCloudSemanticSegmentation`。 + `NumberOfHumanWorkersPerDataObject` 中指定的工作人员数应该为 `1`。 + 3D 点云标注作业不支持自动数据标注。您不应在 `[LabelingJobAlgorithmsConfig](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelingJobAlgorithmsConfig)` 中指定参数值。 + 3D 点云语义分割标注作业可能需要几小时才能完成。您可以在 `TaskTimeLimitInSeconds` 中为这些标注作业指定更长的时间限制（最多 7 天或 604800 秒）。 # 查看 3D 点云语义分割工作的工人任务界面 Ground Truth 为工作人员提供了 Web 门户和工具以完成 3D 点云语义分割注释任务。在创建标注作业时，您可以在 `HumanTaskUiArn` 参数中为预构建的 Ground Truth UI 提供 Amazon 资源名称 (ARN)。在控制台中使用该任务类型创建标注作业时，将自动使用该 UI。在控制台中创建标注作业时，您可以预览该工作人员 UI 并与之交互。如果您是新用户，建议您使用控制台创建标注作业，以确保标签属性、点云帧和图像（如果适用）按预期方式显示。 以下是 3D 点云语义分割工作人员任务界面的 GIF。如果您提供用于传感器融合的摄像机数据，图像将与点云帧中的场景进行匹配。工作人员可以在 3D 点云或 2D 图像中绘制对象，绘制内容将显示在另一个介质的相应位置中。这些图像显示在工作人员门户中，如以下 GIF 中所示。 ![\[Gif 展示了工作人员如何使用 3D 点云和 2D 映像一起来绘制对象。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/pointcloud/gifs/semantic_seg/ss_paint_sf.gif) 工作人员可以使用键盘和鼠标以在 3D 场景中导航。他们可以： + 双击点云中的特定对象以将其放大。 + 使用鼠标滚轮或触控板以放大和缩小点云。 + 同时使用键盘箭头键和 Q、E、A 和 D 键以向上、向下、向左和向右移动。使用键盘 W 和 S 键以放大和缩小。 以下视频说明了在 3D 点云中的移动情况。工作人员可以隐藏和重新展开所有侧视图和菜单。在该 GIF 中，已折叠侧视图和菜单。 ![\[Gif 显示了工作人员如何在 3D 点云周围移动。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/pointcloud/gifs/semantic_seg/ss_nav_worker_portal.gif) 以下 GIF 说明了工作人员如何快速标注多个对象，使用取消绘制选项优化绘制的对象，然后仅查看已绘制的点。 ![\[Gif 显示了工作人员如何标注多个对象。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/pointcloud/gifs/semantic_seg/ss-view-options.gif) 可以使用其他视图选项和功能。有关工作人员 UI 的全面概述，请参阅[工作人员说明页面](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-point-cloud-worker-instructions-semantic-segmentation.html)。 **工作人员工具** 工作人员可以通过以下方法浏览 3D 点云：使用鼠标和键盘快捷键放大和缩小以及在云中的所有方向上移动。在您创建语义分割作业时，工作人员可以使用以下工具： + 画笔；用于绘制和取消绘制对象。工作人员可以通过以下方法绘制对象：选择一种标签类别，然后在 3D 点云中进行绘制。工作人员可以通过以下方法取消绘制对象：从标签类别菜单中选择取消绘制选项并使用画笔擦除绘制内容。 + 多边形工具；工作人员可用来在点云中选择和绘制区域。 + 背景绘制工具；使工作人员能够在他们已注释的对象后面进行绘制，而不更改原始注释。例如，在绘制道路上的所有汽车后，工作人员可以使用该工具绘制道路。 + 视图选项；使工作人员能够轻松隐藏或查看标签文本、地面网格以及其他点属性，例如颜色或强度。工作人员还可以在透视投影和正交投影之间进行选择。 # 3D 点云语义分割作业的输出数据 在创建 3D 点云语义分割标注作业时，任务将发送给工作人员。在这些工作人员完成其任务时，其注释写入到在创建标注作业时指定的 Amazon S3 存储桶中。输出数据格式决定了当标签任务状态 ([LabelingJobStatus](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeLabelingJob.html#API_DescribeLabelingJob_ResponseSyntax)) 为时，您在 Amazon S3 存储桶中看到的内容`Completed`。 如果您是 Ground Truth 的新用户，请参阅[标注作业输出数据](sms-data-output.md)以了解有关 Ground Truth 输出数据格式的更多信息。要了解 3D 点云对象检测输出数据格式，请参阅[3D 点云语义分割输出](sms-data-output.md#sms-output-point-cloud-segmentation)。