本文介绍了点云作为3D表示方式的优势，包括其数据获取的便捷性、简单表示形式和广泛的应用场景，如自动驾驶和场景分割。点云在夜间行车的识别中表现出色，且PointNet等技术在3D场景理解中有重要应用。文章还探讨了点云学习中的关键术语，如ground-truth和context，并展望了3D点云在研究领域的广阔前景。
学习目标：
点云基础知识入门--持续更新
在这四种3D表示方式中（体素网格，点云，隐式表面和三角网格）为什么选择点云的方式呢？
个人理解中，原因有以下几点：
1、点云数据获取比较简单，而且点云最接近原始传感器的数据（激光雷达扫描得到的就是点云数据，深度传感器获得的是一个深度图像，可以理解为局部的点云）。
左图：深度传感器获得的图像，右图为激光雷达和深度传感器得到的点云（经过一定的处理）
2、点云的表示形式很简单。
3、不是所有的3维图形都能用隐式表面表示出来，而且隐式表面比较复杂。
4、由于点云中的点是不规则、无序的，所以有些研究是将点云转化为体素结构的形式，从而变成规则的表达。但是，在这个转化的过程中会丢失很多精准度。
5、三角网格的精度较高，但是也比较难以获得&
最低0.47元/天 解锁文章
扫一扫
148
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
