三维点云 | 在实际问题中，如何选择合适的算法？

2020 年 6 月 5 日 计算机视觉life

三维点云是最重要的三维数据表达方式之一。

从技术角度看，SLAM、三维重建、机器人感知等领域，点云都是最简单且最普遍的表达方式：相对于图像，点云有其不可替代的优势-深度，也就是说三维点云直接提供了三维空间的数据，而图像则需要通过透视几何来反推三维数据。

从应用角度看，上至无人驾驶中的激光雷达，下至微软Kinect、iPhone FaceID以及各种各样的AR/VR应用，都需要基于点云的数据处理，比如物体检测、人脸识别、人体姿态估算等。

点云之路，困难重重

三维点云处理并不容易，首先，三维点云比图像多了一个维度；其次，点云是不规则分布的，比图像式的规整网格更难处理；然后，点云缺少了图像中的纹理，导致了在语义分析方面的困难。同时，由于三维点云的应用面非常广，所以点云处理所涉及的算法也多种多样，涵盖了机器人、计算机视觉的各个分支。

越来越多的三维点云的学习者向我们倾诉：

在国内做点云方向，除了PCL教程，很难再找到合适的教程、资料、参考文献；

相关QQ群与论坛，大多是自学、咨询，能够帮助回答解决问题的伙伴很少，很多问题没有办法解决；

自己找资料、改代码，一遍遍反复的尝试，费时费力，但是问题还是无法解决，只能搁置……

终于，历尽艰辛，跨过了自学入门阶段，学习了多种算法，但在遇到实际工程问题时，又是一筹莫展！每种算法的优势和劣势分别是什么呢？哪一种算法更适合解决当前问题呢？又该如何修改算法以解决长尾/边缘问题？

没有系统的书籍资料、没有清晰的学习路线、更没有可以带着我们前进的“引路人”，遇到问题时更是一筹莫展。慢慢地，我们面临着一个抉择：“是放弃坚持了许久的方向，还是继续挪动着步伐艰难前行呢？”

为了帮助伙伴们解决学习成长问题，深蓝学院于今年4月10日开设了『三维点云处理』课程，邀请自动驾驶研究科学家、新加坡国立大学博士黎嘉信主讲。第一期开课以来，广受学员好评，但是由于名额限制（第一期报满400位），仍有很多学员未能报名学习！

为此，经过课程组与授课讲师沟通，决定于6月28日，开设第二期，欢迎各位伙伴报名，共同学习！

通过课程，可以有哪些收获

对三维点云这一领域有全方位的认知，了解三维感知的各种问题及解决方案。
深入理解各个经典点云算法，比如octree，ICP，PointNet等，并且在真实数据集上实现、应用这些算法。
涉猎最前沿的感知(Perception)方向的深度学习算法，比如物体检测、点云配准、特征提取等，了解学术界的热点问题及发展趋势。
了解实际应用中各种算法的优势及局限，对于具体问题如何选择合适的算法，以及如何修改算法应对长尾/边缘问题（longtail/edge cases）。

实力讲师，课程保障

黎嘉信

自动驾驶研究科学家

新加坡国立大学（NUS）博士

博士期间，师从电子与计算机系Ben M. Chen教授及计算机系Lee Gim Hee教授，主要研究领域为计算机视觉、深度学习、机器人。在CVPR 2018, ICCV 2019, ICRA 2019, IROS 2017的顶级会议上以第一作者发表论文多篇。在2017, 2015年国际微小型无人机大赛中获得冠军、亚军。

课程大纲，一览学习计划

（中文授课）