第1章课程导论

一、课程导论：什么是点云？为什么需要标注？自动驾驶中的传感器融合简介

先问大家一个问题：你见过激光雷达扫出来的数据长什么样吗？

我第一次接触点云是在2016年，当时实验室买了一台16线的Velodyne。开机那一刻，屏幕上密密麻麻的彩色点，说实话，第一反应是「这玩意儿能看出个啥？」。

点云，说白了就是一堆三维空间中的点。每个点都带着自己的坐标信息（x, y, z），有些还带着反射强度（intensity）。你可以把它想象成用激光束给周围世界「拍照」，只不过拍出来的不是像素，而是带有深度信息的点。

举个例子：

# 一个典型的点云数据格式
# x, y, z, intensity
2.345, 1.678, 0.123, 85
3.012, 2.345, 0.456, 120
1.234, 0.567, 0.789, 45

每一行就是一个点。几十万个这样的点组合在一起，就构成了我们看到的3D场景。

核心要点：点云不是图片，它是三维空间的离散采样。每个点代表激光束打到物体表面后反射回来的位置。

你想想看，一辆自动驾驶汽车在路上跑，它得知道前面那个「一团点」到底是行人、自行车，还是路边的垃圾桶。对吧？

但激光雷达本身并不理解这些。它只知道「这里有个物体」，至于这个物体是什么——它不知道。

这就是标注存在的意义。

我参与过的一个项目，客户要求标注50万帧点云数据。刚开始我们想偷懒，用自动标注算法跑一遍就交差了。结果呢？模型在高速上把路边的广告牌识别成了卡车，差点出事。嗯，从那以后我再也不敢轻视标注质量了。

标注的核心任务其实就三个：

我的经验：标注质量直接决定模型上限。你喂进去的是垃圾，吐出来的必然是垃圾。这个道理在点云领域尤其明显——因为点云天生稀疏，标注稍微偏一点，模型就学歪了。

聊完点云，咱们得说说传感器融合。为什么需要融合？

因为单一传感器都有短板。

激光雷达：精度高，但怕雨雪雾，而且贵。摄像头：便宜，能识别颜色和纹理，但没深度信息。毫米波雷达：能测速，抗干扰强，但分辨率低。

你看，每个传感器都有自己的「脾气」。把它们组合起来，取长补短，这就是传感器融合。

我习惯把融合分成三个层次：

在实际项目中，我见过最常用的方案是「特征级融合」。为什么呢？因为数据级融合太吃算力，而目标级融合又容易错过一些早期特征。折中一下，刚刚好。

避坑提醒：我曾经在一个项目中，为了追求「完美融合」，把点云和图像做了像素级对齐。结果发现，由于激光雷达和相机的安装位置不同，远处物体的投影误差能达到半米。后来我学乖了——融合前一定要做好标定，否则融合出来的结果还不如单传感器。

为了让你对整个课程有个宏观认识，我画了一张图。这张图展示了点云标注的核心流程和传感器融合的定位。

这张图你看懂了吗？从数据采集到融合，再到标注，最后形成数据集。每一步都环环相扣。我个人觉得，标注这一步是最容易被低估的——很多人觉得「不就是画框框吗」，但真正做过的人才知道，这里面的坑有多深。

做点云标注这件事，我踩过的坑比走过的路还多。比如：

这些我都会在后面的章节里，一个一个拆开来讲。你不需要再走一遍我走过的弯路。

好了，第一章就到这里。记住一句话：点云标注不是体力活，它是技术活。把它做好了，你的感知模型就成功了一半。

本章小结：