詳細解釋
由三維空間中的點組成的數據結構，表示物體或場景的幾何形狀，是 3D 掃描、LiDAR、深度相機的輸出格式。
數據結構：
- 每個點：(x, y, z) 坐標
- 可選屬性：顏色 (RGB)、法向量、強度、時間戳
- 稀疏性：非結構化，不像網格有連接關係
獲取方式：
- LiDAR：激光雷達，自動駕駛車輛主要傳感器
- 結構光/ToF：iPhone Face ID、Kinect
- 多視角重建：照片立體視覺
- 深度相機：RealSense、Zed
處理任務：
- 分割：區分地面、建築、車輛、行人
- 目標檢測：3D 邊界框
- 語義分割：每個點的類別標籤
- 配準：多幀點雲對齊（ICP 算法）
- 重建：點雲 → 網格/表面
深度學習方法：
- PointNet：首個直接處理點雲的 CNN
- PointNet++：層次化特徵學習
- VoxelNet：體素化後 3D CNN
- Point Transformer：注意力機制處理點雲
應用：
- 自動駕駛：周圍環境感知
- 機器人：SLAM、導航、抓取
- AR/VR：空間映射、遮擋檢測
- 工業檢測：零件尺寸測量
- 建築：BIM、施工進度追踪
挑戰：
- 無序性：點雲無固定順序，需排列不變性
- 稀疏性：大部分空間為空
- 大規模：自動駕駛每幀數十萬點
這是「3D 感知」的基礎數據格式—— 從 2D 圖像走向 3D 世界。