Point Cloud（点云）
点云就是激光雷达扫出来的一堆三维坐标点，把现实世界的形状原汁原味地记下来。
亦作、亦称：点云 · 3D point cloud · 三维点云 · LiDAR 点云
点云是三维感知的基础数据结构，广泛用于自动驾驶、机器人、数字孪生等领域。深度学习方法的兴起使得端到端点云理解成为可能，推动了 3D 视觉的快速发展。
概述
点云是三维场景或物体最直接的数字化表示形式之一。
- 数据来源：LiDAR（激光雷达）、深度相机（Kinect、RealSense）、结构光扫描仪、ToF 传感器，以及由 SfM/MVS 算法从图像重建得到
- 基本结构：每个点至少包含 (x, y, z) 坐标，可扩展为 (x, y, z, r, g, b)、强度（intensity）、法向量、语义标签等
- 数据规模：自动驾驶场景单帧 LiDAR 点云通常为 2 万～20 万点；工业精密扫描可达数亿点
- 核心价值：直接保留三维几何，无透视畸变，距离精度高（毫米级）
工作原理与数据特性
理解点云的处理难点，需先掌握其固有属性。
- 无序性：点集中各点无固定顺序，同一场景的点云在不同顺序下应产生相同结果，即置换不变性
- 不规则邻域：不同于图像的规则像素网格，点云中两点之间不存在天然的相邻关系，需显式构建 k-NN 或球查询确定邻域
- 密度不均匀：靠近传感器的区域点密集，远处稀疏，给特征提取带来挑战
- 噪声与遮挡：真实采集的点云常含离群点，且存在遮挡导致的几何缺失
处理方法与主要类型
针对点云无序稀疏的特性，学界发展出多种处理范式。
- 点集直接处理：PointNet（2017）用共享 MLP 对每点独立提取特征，再用 max pooling 聚合全局特征，天然满足置换不变性；PointNet++ 进一步引入分层 Set Abstraction 捕获局部结构
- 体素化方法：将点云离散化为三维体素网格（Voxel），再应用 3D 卷积（VoxelNet）或 2D 鸟瞰图卷积（PointPillars），便于工程部署
- 图神经网络（GNN）：将点云建模为图，用 DGCNN 等方法在动态图上做边卷积，捕获局部几何关系
- Transformer 方法：Point Transformer 系列引入向量自注意力机制，Point Transformer V3 在大规模数据上实现 SOTA，展现强大扩展性
应用场景
点云作为三维感知的核心数据结构，支撑多个关键 AI 应用场景。
- 自动驾驶感知：3D 目标检测（车辆、行人）、道路分割、高精地图建模；LiDAR 点云与摄像头图像多传感器融合是主流方案
- 机器人导航与抓取：三维环境建图（SLAM）、障碍物避让、机械臂精准抓取姿态估计
- 数字孪生与工业检测：工业零件三维扫描与精度检验、建筑信息模型（BIM）逆向建模、文物数字化保存
- 医疗影像：CT/MRI 体数据转换为点云后进行器官分割与手术规划
- AR/VR 与元宇宙：实时三维重建（NeRF 与点云结合）、沉浸式场景生成
与相邻概念的区别
点云与其他三维表示形式各有侧重，需根据任务选择合适格式。
- 点云 vs 体素（Voxel Grid）：体素有规则网格结构便于卷积，但内存消耗随分辨率立方增长；点云保留原始稀疏性，内存高效但需特殊算法
- 点云 vs 网格（Mesh）：网格含面片连接关系，适合渲染；点云无拓扑，更接近原始采集形态
- 点云 vs NeRF / 3D Gaussian Splatting：NeRF 用神经网络隐式表示连续场景；点云是显式离散表示，可直接测量距离，但渲染质量不如 NeRF
- 点云 vs 深度图：深度图为有序像素阵列（可反投影为点云），点云则为无序集合；深度图保留视角结构，处理更简单
局限与常见误区
使用点云时需警惕以下常见认知误区与实际限制。
- 误区：点云就是稠密三维图像——点云是离散无序点集，没有像素邻域，直接套用 2D CNN 需经过投影或体素化转换
- 误区：点云可以替代图像——点云缺乏颜色/纹理信息，在细粒度语义理解上弱于 RGB 图像，多传感器融合才是最优方案
- 实际限制：LiDAR 在雨雪、浓雾、强反光等环境下精度显著下降；成本高（机械旋转式 LiDAR 数万元）
- 计算限制：大规模点云（千万点级）实时处理对显存和计算资源要求极高，工程落地常需降采样（如最远点采样 FPS）
发展脉络
点云处理从传统手工特征走向大规模深度学习，历经多个关键节点。
- 1980s：激光测距仪普及，点云作为三维扫描输出形式确立
- 2009：FPFH（Fast Point Feature Histograms）等手工几何特征描述子成为配准主流
- 2013：PCL（Point Cloud Library）开源，成为三维点云处理的工业标准库
- 2017：PointNet（Qi et al., Stanford, CVPR 2017）首次用深度神经网络直接处理点云，开创端到端三维理解
- 2017：PointNet++（NIPS 2017）引入分层局部特征学习，解决 PointNet 局部信息不足的问题
- 2018：PointPillars、VoxelNet 等实时检测框架推动自动驾驶落地
- 2019：DGCNN（EdgeConv）将图神经网络引入点云，动态构建局部图
- 2021-2024：Point Transformer 系列（V1/V2/V3）将注意力机制引入点云，在大规模数据上持续刷新 SOTA
常见误解
日常交流中容易听到的简化说法，未必准确，但能帮助理解误解从何而来。
- 「点云就是激光雷达扫出来的一堆三维坐标点，把现实世界的形状原汁原味地记下来。」
- 「点云不是图片，没有像素网格，每个点只知道自己在哪，不知道谁是邻居，所以普通卷积没法直接用。」
- 「自动驾驶里看到的那些绿色/彩色的雷达扫描图，就是点云可视化后的样子。」
相关术语
和本术语关联紧密的其他词条，便于串联理解。
延伸阅读
从知识库精选 3 篇文章，帮助深入理解该术语。
外部参考
维基百科：查看「Point Cloud」词条本页内容为本站原创撰写；维基百科链接仅作延伸参考。