本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。 # 使用物件偵測來分類 3D 點雲中的物件 當您希望工作者在物件周圍繪製 3D 立方體，以分類 3D 點雲中的物件時，請使用此任務類型。例如，您可以使用此任務類型，要求工作者識別點雲中各種不同的物件，例如汽車、自行車和行人。以下頁面提供標籤工作相關重要資訊，以及建立標籤工作的步驟。 對於此任務類型，工作者所標籤的*資料物件*為單一點雲影格。Ground Truth 會使用您提供的點雲資料呈現 3D 點雲資料。您也可以提供相機資料，以提供有關影格中各場景的更多視覺化資訊給工作者，協助工作者在物件周圍繪製 3D 立方體。 Ground Truth 提供工具，讓工作者在 3D 場景和投影側視圖中 (上視圖、側視圖和後視圖)，以三維 9 個自由度 (x、y、z、rx、ry、rz、l、w、h) 來註釋物件。如果您提供感應器融合資訊 (例如相機資料)，當工作者新增立方體來識別 3D 點雲中的物件時，立方體會出現，而可在 2D 影像中修改。新增立方體後，在 2D 或 3D 場景中對該立方體所做的所有編輯，都會投影到其他視圖中。 您可以使用 3D 點雲物件偵測調整任務類型來建立任務，以調整 3D 點雲物件偵測標籤工作中建立的註釋。 如果您是 Ground Truth 3D 點雲標籤模式的新使用者，我們建議您檢閱[3D 點雲標籤工作概觀](sms-point-cloud-general-information.md)。此標籤模式與其他 Ground Truth 任務類型不同，此頁面概述建立 3D 點雲標籤工作時，應注意的重要細節。 **Topics** + [ ## 檢視工作者任務介面 ](#sms-point-cloud-object-detection-worker-ui) + [ ## 建立 3D 點雲物件偵測標籤工作 ](#sms-point-cloud-object-detection-create-labeling-job) + [ ## 建立 3D 點雲物件偵測調整或驗證標籤工作 ](#sms-point-cloud-object-detection-adjustment-verification) + [ ## 輸出資料格式 ](#sms-point-cloud-object-detection-output-data) ## 檢視工作者任務介面 Ground Truth 為工作者提供 Web 入口網站和工具，以完成 3D 點雲物件偵測註釋任務。建立標籤工作時，請在 `HumanTaskUiArn` 參數中提供預先建置的 Ground Truth 工作者使用者介面的 Amazon Resource Name (ARN)。當您在主控台使用此任務類型建立標籤工作時，自動會使用此工作者使用者介面。在主控台建立標籤工作時，您可以預覽工作者使用者介面並與之互動。如果您是新使用者，建議使用主控台建立標籤工作，以確保標籤屬性、點雲影格及 (如適用) 影像正常顯示。 以下是 3D 點雲物件偵測工作者任務介面的 GIF。如果您以世界座標系統提供感應器融合的相機資料，則影像與點雲影格中的場景一致。這些影像會出現在工作者入口網站中，如下列 GIF 所示。 ![\[顯示工作者如何在 Ground Truth 工作者入口網站中註釋 3D 點雲的 Gif。\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/images/pointcloud/gifs/object_detection/ot_basic_tools.gif) 工作者可以使用鍵盤和滑鼠在 3D 場景中導覽。他們可以： + 在點雲中按兩下特定物件以放大。 + 使用滑鼠滾輪或觸控板來放大和縮小點雲。 + 同時按下鍵盤方向鍵和 Q、E、A、D 鍵，以向上、向下、向左、向右移動。使用鍵盤按鍵 W 和 S 來放大和縮小。 當工作者在 3D 場景中放置立方體後，將會出現側視圖，其中包含三個投影側視圖：上視圖、側視圖和後視圖。這些側視圖會顯示所放入立方體內部和周圍的點，以協助工作者美化該區域內的立方體邊界。工作者可以使用滑鼠來放大和縮小這些側視圖。 以下影片示範在 3D 點雲和側視圖中來回移動。 ![\[顯示 3D 點雲和側視圖中來回移動的 Gif。\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/images/pointcloud/gifs/object_detection/navigate_od_worker_ui.gif) 工作者使用者介面的**檢視**功能表中提供其他選項和功能。如需工作者使用者介面的完整概觀，請參閱[工作者指示頁面](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-point-cloud-worker-instructions-object-detection)。 **輔助標籤工具** Ground Truth 協助工作者在 3D 點雲物件追蹤任務中，使用機器學習和電腦視覺技術輔助標籤工具，更快、更準確地註釋 3D 點雲。下列輔助標籤工具適用於此任務類型： + **貼齊** – 工作者可以在物件周圍新增立方體，並使用鍵盤快速鍵或選單選項，以 Ground Truth 自動調整工具將立方體緊貼物件。 + **放在地面** – 當工作者將立方體新增至 3D 場景後，工作者可以自動將立方體貼齊地面。例如，工作者可以使用此功能，將立方體貼齊場景中的道路或人行道。 + **多視角標籤** – 當工作者將 3D 立方體新增至 3D 場景後，側面板會顯示正面、側面和頂端透視圖，以協助工作人員在物件周圍緊密地調整立方體。在所有這些視圖中，立方體包含一個箭頭，可指出物件的方向或方位。當工作者調整立方體時，調整會即時顯示在所有視圖上 (即 3D 視圖、上視圖、側視圖和正視圖)。 + **感應器融合** – 如果您提供感應器融合的資料，則工作者可以在 3D 場景和 2D 影像中調整註釋，而註釋會即時投影到其他視圖。此外，工作者還可以選擇檢視相機面向的方向和相機視錐體。 + **檢視選項** – 可讓工作者輕鬆隱藏或檢視立方體、標籤文字、地面網線和其他點屬性，例如顏色或濃度。工作者也可以在透視投影和正投影之間選擇。 ## 建立 3D 點雲物件偵測標籤工作 您可以使用 SageMaker AI 主控台或 API 作業 ([https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html))，以建立 3D 點雲標籤工作。若要為此任務類型建立標籤工作，您需要下列項目： + 單一影格輸入資訊清單檔案。若要了解如何建立這種資訊清單檔案，請參閱[建立點雲影格輸入資訊清單檔案](sms-point-cloud-single-frame-input-data.md)。如果您是 Ground Truth 3D 點雲標籤模式的新使用者，也建議您檢閱[接受的原始 3D 資料格式](sms-point-cloud-raw-data-types.md)。 + 由私有或廠商人力資源組成的工作團隊。您不能使用 Amazon Mechanical Turk 處理影片影格標籤工作。若要了解如何建立人力資源和工作團隊，請參閱[人力資源](sms-workforce-management.md)。 此外，請確定您已檢閱且符合[指派 IAM 許可以使用 Ground Truth](sms-security-permission.md)。 請參閱下列其中一節，以了解如何使用主控台或 API 建立標籤工作。 ### 建立標籤工作 (主控台) 您可以遵循指示[建立標籤工作 (主控台)](sms-create-labeling-job-console.md)，以了解如何在 SageMaker AI 主控台建立 3D 點雲物件偵測標籤工作。建立標籤工作時，請注意下列事項： + 輸入資訊清單檔案必須是單一影格資訊清單檔案。如需詳細資訊，請參閱[建立點雲影格輸入資訊清單檔案](sms-point-cloud-single-frame-input-data.md)。 + 或者，您可以提供標籤類別和影格屬性。工作者可以將其中一個或多個屬性指派給註釋，以提供有關該物件的更多資訊。例如，您可以使用 *occluded* 屬性，讓工作者知道物件有一部分被遮住。 + 3D 點雲標籤任務不支援自動資料標籤和註釋合併。 + 3D 點雲物件偵測標籤工作可能需要數小時才能完成。當您選取工作團隊，您可以為這些標籤工作指定更長的時間限制 (最多 7 天，即 604800 秒)。 ### 建立標籤工作 (API) 本節涵蓋使用 SageMaker API 作業 `CreateLabelingJob` 建立標籤工作時，您需要知道的詳細資訊。此 API 會定義 AWS SDKs此操作。若要查看這項作業支援的特定語言 SDK 清單，請參閱 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html) 的**另請參閱**一節。 [建立標籤工作 (API)](sms-create-labeling-job-api.md)提供 `CreateLabelingJob` 作業的概觀。設定請求時，請遵循這些指示並執行下列動作： + 您必須在 `HumanTaskUiArn` 中輸入 ARN。請使用 `arn:aws:sagemaker::394669845002:human-task-ui/PointCloudObjectDetection`。將 `` 取代為您建立標籤工作所在的 AWS 區域。 請勿輸入 `UiTemplateS3Uri` 參數。 + 輸入資訊清單檔案必須是單一影格資訊清單檔案。如需詳細資訊，請參閱[建立點雲影格輸入資訊清單檔案](sms-point-cloud-single-frame-input-data.md)。 + 請在標籤類別組態檔案中指定標籤、標籤類別、影格屬性和工作者指示。若要了解如何建立此檔案，請參閱[有標籤類別和影格屬性參考的標籤類別組態檔案](sms-label-cat-config-attributes.md)。 + 您需要為註釋前和註釋後 (ACS) Lambda 函式提供預先定義的 ARN。這些 ARN 專屬於您用來建立標籤工作的 AWS 區域。 + 若要尋找註釋前 Lambda ARN，請參閱 [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)。使用您建立標籤工作所在的區域，找出正確的 ARN。例如，如果您在 us-east-1 中建立標籤工作，則 ARN 為 `arn:aws:lambda:us-east-1:432418664414:function:PRE-3DPointCloudObjectDetection`。 + 若要尋找註釋後 Lambda ARN，請參閱 [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)。使用您建立標籤工作所在的區域，找出正確的 ARN。例如，如果您在 us-east-1 中建立標籤工作，則 ARN 為 `arn:aws:lambda:us-east-1:432418664414:function:ACS-3DPointCloudObjectDetection`。 + `NumberOfHumanWorkersPerDataObject` 中指定的工作者數目必須為 `1`。 + 3D 點雲標籤工作不支援自動資料標籤。請勿在 `[LabelingJobAlgorithmsConfig](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelingJobAlgorithmsConfig)` 中指定參數的值。 + 3D 點雲物件偵測標籤工作可能需要數小時才能完成。您可以在 `TaskTimeLimitInSeconds` 中為這些標籤工作指定更長的時間限制 (最多 7 天，即 604,800 秒)。 ## 建立 3D 點雲物件偵測調整或驗證標籤工作 您可以使用 Ground Truth 主控台或 `CreateLabelingJob` API 來建立調整或驗證標籤工作。若要進一步了解調整和驗證標籤工作，以及了解如何建立標籤工作，請參閱[標籤驗證和調整](sms-verification-data.md)。 建立調整標籤工作時，您輸入至標籤工作的資料可以包含標籤，以及前一個標籤工作或外部來源的偏航角、俯仰角和翻滾角測量值。在調整任務中，俯仰角和翻滾角將在工作者使用者介面中視覺化，但無法修改。偏航角是可調整的。 Ground Truth 使用 Tait-Bryan 角度搭配下列內旋轉，在工作者使用者介面中視覺化偏航角、俯仰角和翻滾角。首先，根據 z 軸 (偏航角) 將旋轉套用至車輛。接著，旋轉車輛根據內部 y' 軸 (俯仰角) 旋轉。最後，車輛根據內部 x'' 軸 (翻滾角) 旋轉。 ## 輸出資料格式 當您建立 3D 點雲物件偵測標籤工作時，任務會傳送給工作者。當這些工作者完成任務時，標籤會寫入您建立標籤工作時指定的 Amazon S3 儲存貯體。輸出資料格式決定標籤工作狀態 ([LabelingJobStatus](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeLabelingJob.html#API_DescribeLabelingJob_ResponseSyntax)) 為 `Completed` 時，Amazon S3 儲存貯體顯示的內容。 如果您是 Ground Truth 的新使用者，請參閱[標籤工作輸出資料](sms-data-output.md)，進一步了解 Ground Truth 輸出資料格式。若要了解 3D 點雲物件偵測輸出資料格式，請參閱[3D 點雲物件偵測輸出](sms-data-output.md#sms-output-point-cloud-object-detection)。