点云

一句话总结： 点云是在空间中的 3D 数据点集合。每个点都有 X、Y、Z 坐标。点云为自动驾驶与机器人提供 3D 感知能力。

点云是在三维空间中离散分布的一组数据点。每个点的位置由笛卡尔坐标（X、Y、Z）定义。点还可能包含额外属性，例如颜色（RGB）、强度或时间戳。点云用于表示物理物体与环境的表面，是LiDAR传感器与 3D 扫描仪的主要输出。

点云如何生成

1. LiDAR 扫描：LiDAR 传感器发射激光脉冲并记录每个脉冲的返回时间。飞行时间数据可得到精确的 3D 位置。
2. 摄影测量：处理多张相互重叠的图像以重建 3D 几何形状。
3. 双目视觉：两台有位移的摄像头模拟双眼视觉以估计深度。
4. 结构光：投射图案在物体表面发生形变，摄像头捕捉形变并计算深度。

自动驾驶中的点云

自动驾驶汽车通常每秒最多采集 10 次密集点云。点云展示道路、其他车辆与行人的 3D 布局。在带标注点云上训练的 AI 模型可学习在 3D 空间中检测并分类目标。连续的点云帧还能随时间跟踪移动目标，这对安全路径规划与避撞至关重要。

机器人与建图中的点云

1. SLAM：机器人实时构建并更新未知环境的 3D 地图。
2. 抓取：机械臂在抓取前用点云估计物体姿态。
3. 数字孪生：将工厂与城市扫描为高保真 3D 模型。
4. GIS 与地形测绘：机载 LiDAR 点云可生成数字高程模型。

用于 AI 的点云处理

原始点云是非结构化数据，AI 模型需要直接从不规则的 3D 数据中学习。PointNet 与 PointNet++ 是点云学习的开创性神经网络架构。基于体素（voxel）的方法会将点云转换为规则的 3D 网格，以便 CNN 处理。点云标注工作量很大——一帧中的每个点都可能需要类别标注。Bright Data 的 数据集包含 3D 传感器数据，可加速面向计算机视觉与机器人领域的训练数据流水线。