一、图像标注工具
Labelme - 支持2D框、线标注、点标注及多边形分割，适用于目标检测、语义分割等任务。标注结果可导出为JSON、VOC、COCO等格式。
- 基于Python开发，界面简洁直观，适合个人或团队使用。
LabelImg
- 专注于目标检测任务，提供矩形框标注功能，支持离线使用，数据安全性高。
CVAT
- 免费开源的在线交互式工具，支持图像分类、目标检测、语义分割等。提供自动标注与人工校正功能，适合大规模数据标注。
二、视频标注工具
VOTT
- 微软开发的基于JavaScript的标注工具，支持Windows和Linux平台。集成faster-rcnn模型实现自动标注，显著提升效率。
OpenCV
- 通过`opencv-python`包可实现视频标注，适合需要定制化标注流程的场景。
三、3D检测与标定工具
point-cloud-annotation-tool
- 用于3D点云标注，支持导出KITTI格式数据，适用于自动驾驶、机器人等领域。
OpenCalib
- 商汤开源工具包，支持摄像头、激光雷达（LiDAR）、IMU等设备标定，采用棋盘格、圆形等标定方式。
四、多传感器标定工具
OpenCalib（扩展功能）：除标定外，还支持多传感器数据融合与校准。
五、其他相关工具
Labelbox： 集成标注与任务管理平台，支持目标检测、语义分割等，适合团队协作。 Supervisely
总结
选择标注工具时需结合任务需求（如标注类型、数据规模、平台偏好等）。例如：
学术/研究：优先考虑开源工具（如Labelme、CVAT）；
工业/大规模项目：推荐支持自动标注和团队协作的工具（如VOTT、Labelbox）；
特定领域：如3D检测需使用point-cloud-annotation-tool。
注：部分工具（如LabelImg、OpenCV）功能较为基础，适合简单标注任务；复杂场景建议结合深度学习框架（如YOLO、Mask R-CNN）使用。