3D点云，这些要牢记于心的基础知识——平台演示篇

在深度学习技术进步的支持下，自动驾驶汽车正成为未来出行的核心。

自 2010 年初以来，围绕自动驾驶系统的研究随之兴起且经过多年实践迅速发展，在众多技术中，3D点云技术的突破已成为自动驾驶前行的推进器，保证自动驾驶车辆的正常行驶。

传感器的推动力

自动驾驶系统的性能高度依赖于感知任务的质量。为保证自动驾驶车辆的正常行驶，自动驾驶首先应具备一套完整的感知系统，替代驾驶员操控汽车。

自动驾驶中人为干预程度越小，感知系统获取自身及周围环境信息的准确性、高效性和全面性要求就会越高，而这其中传感器技术的进步为自动驾驶系统提供了更高质量采集数据，从而更准确地表示车辆周围环境。

可以说传感器的发展与复杂程度随着智能汽车的拓进不断完善。自动驾驶汽车制造商主要使用三种传感器——摄像头、基于激光的3D光探测器与测距仪 (LiDAR) ——它们协同工作以感知道路、识别物体并辨别风景与障碍物的区别。

何为3D点云

3D点云通过3D激光探测器的扫描获取，当一束激光照射到物体表面时，所反射的激光会携带方位、距离等信息。若将激光束按照某种轨迹进行扫描，便会边扫描边记录到反射的激光点信息，由于扫描极为精细，则能够得到大量的激光点，因而就可形成激光点云。根据这种方法得到的点云，一般具有x,y,z坐标值以及激光反射强度(Intensity)4种信息。

3D点云作为一种常用格式，能将大量单个空间测量值整理成一个数据集，该数据集可以代表一个整体，将原始几何信息保留在3D空间中，而不会出现任何分散化，点云可以轻松地描述从几毫米到大到建筑物，因此，它是无人驾驶领域处理众多场景的首选方式。

SEED平台演示

目前激光点云是最具代表性的三维数据，也是自动驾驶领域常用的一种数据类型，点云主要技术包括点云融合、语义分割、连续帧等，下面将以曼孚科技自研的SEED平台演示：

·3D语义分割

语义分割

3D点云语义分割是在点云透视视图中描绘出多边形，并且将此多边形投影(类似⼀个多⾯体)中包裹的点云染成同⼀颜色，通过该技术将道路环境点云数据进行分割，可以准确识别出行人、汽车等物体，帮助车辆理解道路环境。

聚光灯演示

为了避免语义分割标注过程中，繁杂的点云影响标注效率，曼孚科技开创聚光灯模式，在闭合图形后，画布中将只显示多边形区域内的点云。在该区域内创建/编辑对象，不会影响该区域之外的点云。

·3D点云融合

点云融合

融合标注使用激光雷达传感器捕捉车辆周围物体的3D位置数据，将二维视觉数据与三维位置数据融合，使AV系统能够精确地了解周围环境。

·3D点云连续帧

点云连续帧

点云自动关键帧标注模式下，用户只需完成该连续帧中“起始帧”与“结束帧”标注，平台算法即会自动生成并调整中间帧上同一对象，无须逐帧复制，可以极大节省通过自动复制来补充、调整对象的时间。

曼孚科技

基于自身丰富的3D标注经验和先进的数据标注平台，曼孚科技能够满足客户对AI基础数据多样化的需求，突破数据与应用场景之间的边界，解决单一工具在工作执行效率上的欠缺，利用全生命周期管理的数据智能平台实现全面质检、验收和管理，标注结果支持多种格式在线导出，实现标注精确率99%以上。

在未来，曼孚科技仍将扮演行业的“先行者”角色，为产品矩阵加入更多引擎，用优质数据服务为自动驾驶发展注入更多力量。