分割点云数据_面向自动驾驶的点云处理技术（深度学习）

写在前面：第一次写，若写的不好，请多多包涵

三维点云在工业界和学术界都是非常热门的研究领域，其最接近物理世界刻画的数据表征能力在机器人、自动驾驶等领域有着非常重要的应用，例如物体识别、物体跟踪、建图定位等，同时三维信息处理带来的多种任务的挑战，也是学术研究的热点问题，特别是基于深度学习的点云研究。在过去十年里，自动驾驶技术取得的巨大进步，主要得益于深度学习等技术的发展。

关于自动驾驶、三维点云、深度学习这3个词被大家所熟知，单独分开来，网上也有不少免费资源，但是面向自动驾驶，系统讲解点云处理技术以及深度学习在点云处理中的应用，目前市面上还没有。在经过充分调查和研究后，睿慕课推出了一门线上课程——《三维点云处理技术和深度学习在点云处理中的应用》，满足大家对技术的需求。

课程将以无人驾驶应用为应用背景，从激光点云数据采集和基础处理算法、到激光定位与建图基本原理、再到基于深度学习的点云分割、定位、识别等最新进展，进行全面系统的介绍，并提供大场景激光点云SLAM和基于深度学习的点云分割与识别的实践学习机会。帮助不同背景基础的研究人员和开发者建立系统化的点云知识体系，全面掌握点云采集、分割、定位、建图、识别等典型任务方法。

1 讲师介绍

讲师：索传哲，FutureX Lab无人驾驶研究组团队负责人，即将就职商汤科技自动驾驶部门。

在基于深度学习的三维点云处理方面具有多年经验，其研究方向包括面向自动驾驶的融合感知、基于深度学习的三维点云SLAM，基于自主机器人系统控制与规划等。

曾主导香港机场物流自动驾驶拖车项目的感知系统研发，并全面负责自动驾驶PRT轨道交通项目等。其所提的基于三维点云学习的动态大场景识别算法取得了当前世界最好精度，成功实现了高动态香港城市道路和复杂机场仓储环境下的实时场景识别和鲁棒闭环检测任务。

2 课程大纲

第一章 基础知识（1H）

1. 激光雷达原理
2. 激光雷达安装、标定与同步
3. 激光雷达数据采集
4. 常用编程基础

第二章 三维点云表征概述（1H）

1. 三维表征的获取方式及原理
2. 三维信息的表征形式
3. 点云的基本特征和描述

第三章 三维点云数据处理基础（2H）

1. 点云滤波方法
2. 点云组织形式与最近邻搜索
3. 点云聚类与分类方法
4. 点云分割方法
5. 点云拟合方法
6. 激光雷达运动补偿方法
7. 点云去地面原理及方法

第四章 点云SLAM方法基础（2H）

1. 传统点云特征描述与点云匹配注册方法
2. 局部地图构建方法
3. 图优化框架基础与激光SLAM算法
4. 激光重定位原理及方法

第五章 激光点云识别与跟踪方法基础（2H）

1. 点云物体识别常用特征描述
2. 传统点云物体识别方法
3. 多传感器融合原理及方法
4. 传统点云跟踪算法基础及应用

第六章 深度学习方法基础（0.5H）

1. 深度学习基础
2. 点云处理中常用的深度学习基础

第七章 基于深度学习的点云分类方法（1.5H）

1. 经典点云分类网络
2. 点云分类热点方向

第八章 基于深度学习的点云分割方法（1.5H）

1. 经典点云分割网络
2. 点云语义分割及其他热点方向

第九章 基于深度学习的点云注册方法（1.5H）

1. 经典点云注册网络
2. 点云注册网络当前进展

第十章 基于深度学习的点云重识别与重定位（1.5H）

1. 深度学习方法框架和经典网络
2. 点云重定位网络当前进展

第十一章 基于深度学习的点云物体识别（1.5H）

1. 经典点云物体识别网络
2. 点云物体识别热点方向

第十二章 基于深度学习的激光与视觉融合物体识别（2H）

1. 视觉物体识别基础
2. 点云与图像的同步标定
3. 点云与图像的融合物体识别方法

第十三章 深度第学习在激光SLAM中的应用（2H）

1. 基于深度学习的点云注册、重定位及物体识别网络在传统激光SLAM中的应用
2. 基于端到端深度学习方法的激光SLAM

3 实践项目

• 实践项目1：点云基础操作与PCL库编程实践
• 实践项目2：点云空间索引与搜索方法编程实践
• 实践项目3：点云经典聚类方法实现及真实数据集应用实践
• 实践项目4：激光SLAM帧间匹配与后端优化计算实践
• 实践项目5：自动驾驶三维点云预处理、识别、跟踪算法实践
• 实践项目6：深度学习分类、回归基础知识计算与实践
• 实践项目7：经典点云深度学习模型复现、训练与推理实践
• 实践项目8：开放型真实自动驾驶深度学习应用任务实践

4 学习目标

• 掌握点云表征、滤波、聚类、分割、识别等几大核心问题
• 熟练掌握点云空间索引结构和搜索方法，包括KD-Tree，OC-Tree等
• 真实公开数据集，分析应用不同点云聚类方法及优缺点
• 掌握基于点云特征的激光SLAM框架和原理
• 学习基于特征工程的激光点云识别与跟踪算法，深入探究自动驾驶点云应用
• 学习利用深度学习解决三维点云处理问题
• 深入学习经典点云深度学习模型，利用工程实践复现经典模型

5 课程须知

• 课程设置

1. 开课时间：4月17日
2. 学习方式：线上录播课程
3. 开课时长：为期10周
4. 计划安排：共13章，每周计划学习1~2章
5. 项目作业：8个练习项目
6. 答疑渠道：班级群答疑和直播答疑

• 先修知识

1. 具备一定的高数、线性代数基础知识
2. 具备一定的C++及Python的编程基础
3. 了解深度学习基础知识

• 适合人群

1. 希望了解系统点云处理或入门三维点云研究方向的学生
2. 希望从事自动驾驶或机器人领域三维感知算法与应用的工程师
3. 希望了解三维点云研究前沿和方向的相关领域科研研究人员

6 课程福利

1. 提供完整课件

2. 提供丰富参考资料

3. 提供相关随堂代码

4. 提供项目作业并进行批改

5. 颁发结业证书

6. 赠送200睿币（相对于200元）

7 目前仅剩24个学习名额

【彩蛋】添加助教为好友，领取免费公开课教程和课件

主题：《面向大规模场景识别和环境分析的三维点云深度学习研究》