点云是什么？用大量三维坐标点描述物体和场景

点云（Point Cloud）是三维空间中大量点的数据集合，可以用来表示三维的形状或物体，通常由三维扫描仪获取。点云中每个点的位置由一组三维坐标（X、Y、Z）描述，有些点还带有颜色信息（R、G、B），或者物体表面反射的强度信息。强度信息是激光扫描仪接收到的回波信号的强弱，与物体表面的材质、粗糙度、入射角度等有关。

点云是怎么得到的

激光雷达（LiDAR）：向周围发射激光束，测量激光碰到物体后反射回来所需的时间，从而计算出物体的距离，每秒可以测量几十万甚至上百万个点，快速地扫描出周围环境的三维结构。自动驾驶汽车车顶上常见的旋转装置，很多就是激光雷达。深度相机：比如一些手机上的结构光或飞行时间（ToF）传感器，能获取画面中每个像素的深度，转换成点云。摄影测量：从多个角度拍摄同一个物体或场景的照片，通过计算推算出三维的点。

点云数据的特点

点云和图片有很大的不同，这给处理它带来了特殊的挑战。无序性：点云只是一堆点的集合，点的排列顺序没有意义，把顺序打乱，描述的还是同一个物体，而图片的像素是规整排列的。稀疏和不均匀：点的分布往往很不均匀，离传感器近的地方点很密，远的地方很稀疏，被遮挡的地方则完全没有点。数据量大：一次扫描可能产生数百万个点。没有直接的连接关系：点和点之间没有明确的连接，看不出物体的表面是什么样子，需要通过算法重建。

怎么用 AI 处理点云

因为点云不规则，不能直接套用处理图片的卷积神经网络。早期的方法常把点云转换成规则的三维网格（体素），或者投影成多个角度的二维图片再处理。2017 年斯坦福大学提出的 PointNet 是一个里程碑，它直接以原始的点作为输入，用对称函数处理无序性，开创了直接在点上进行深度学习的方向，此后出现了 PointNet++、点云 Transformer 等大量改进方法。常见的点云任务包括：三维目标检测，比如在自动驾驶中识别周围的车辆和行人；点云分割，给每个点标注它属于道路、建筑还是树木；点云分类、配准（把不同扫描得到的点云对齐拼接）以及三维重建。

应用

点云被广泛应用于自动驾驶的环境感知、机器人的导航和抓取、建筑和工程的测绘、文物和古建筑的数字化保护、城市的三维建模和数字孪生、工业产品的质量检测，以及虚拟现实和游戏中的三维场景构建。