一、课程导论：激光雷达点云语义分割与场景理解
1.1 这门课到底讲什么？
说实话，我第一次接触激光雷达点云时，心里就一个想法：这堆密密麻麻的「点」能看出啥名堂？
后来我才明白，点云不是一堆乱点。它是三维世界的「数字快照」。每个点都带着空间坐标，有些还带着反射强度、颜色信息。而我们要做的，就是让机器看懂这些点——哪个点是地面，哪个点是行人，哪个点是汽车。
这就是语义分割。说白了，就是给每个点贴标签。
那场景理解呢？它比语义分割更进一步。不仅要认出「这是个行人」，还要知道「他在过马路，可能会被那辆左转的车撞到」。嗯，这才是自动驾驶真正需要的。
核心概念速览：
- 点云：三维空间中的离散点集合，每个点包含 (x, y, z) 坐标
- 语义分割：为每个点分配一个语义类别（道路、车辆、行人等）
- 场景理解：在语义分割基础上，理解物体间关系、运动状态、场景语义
1.2 为什么这件事这么重要？
我参与过一个自动驾驶项目，当时车辆在城市道路测试。激光雷达扫到前方有个「物体」，但分割模型把它误判成了「广告牌」。结果呢？车辆没减速，直接冲过去了。幸好那是测试场，不是真实马路。
那次之后我深刻意识到：语义分割的准确率，直接决定了系统的安全性。
来看看几个典型应用场景：
| 应用领域 | 具体场景 | 为什么需要点云语义分割 |
|---|---|---|
| 自动驾驶 | 城市道路、高速、停车场 | 识别可行驶区域、障碍物、交通标志 |
| 机器人 | 室内导航、仓储物流、巡检 | 区分地面/墙壁/货架，实现自主避障 |
| 智慧城市 | 数字孪生、基础设施监测 | 自动提取建筑物、道路、植被信息 |
| 测绘与GIS | 地形建模、地物分类 | 从LiDAR点云中自动提取地物类别 |
你想想看，如果机器人连「前面是墙还是门」都分不清，它怎么穿过去？如果智慧城市系统连「这是路灯还是行人」都搞混，那监控报警还有什么意义？
1.3 点云语义分割的难点在哪？
我刚开始做这个方向时，踩过不少坑。这里分享几个最头疼的问题：
- 数据稀疏性：激光雷达扫一圈，远距离可能只有几个点。这几个点要判断是「行人」还是「电线杆」？难。
- 点云无序性：图像是规整的网格，点云不是。同样的物体，换个角度扫，点的排列顺序全变了。
- 类别不均衡：地面点可能占80%，行人点不到1%。模型很容易「偷懒」，把所有点都判成地面。
- 计算效率：64线激光雷达每秒产生130万个点。要在车上实时处理，算法必须又快又准。
避坑指南：
我曾经在一个项目里直接用图像分割的模型结构来处理点云，结果惨不忍睹。点云和图像的数据结构完全不同，千万别直接套用。后面我们会专门讲怎么处理点云的无序性问题。
1.4 知识体系总览
下面这张图是我自己整理的课程知识框架。你可以把它当作「地图」，学完一章回来看看，就知道自己走到哪了。
1.5 学习路径建议
我个人习惯把学习分成三个阶段。你可以根据自己的基础来调整：
- 入门阶段（1-2周）：掌握点云基础操作，熟悉常用数据集（SemanticKITTI、nuScenes）。我建议你先别急着跑模型，先把数据读明白。
- 核心阶段（3-6周）：重点攻克PointNet++和基于体素的方法。这两个是当前工业界最常用的方案。我在项目里80%的场景都用它们。
- 进阶阶段（7-10周）：学习场景理解、多模态融合、时序处理。这部分比较烧脑，但也是真正拉开差距的地方。
学习小贴士：
其实不用追求一次性把所有算法都搞懂。我刚开始学的时候，光PointNet的论文就读了三遍才完全理解。慢慢来，每个知识点都动手跑一遍代码，比死磕论文有效得多。
1.6 你需要准备什么？
嗯，这里列一下必备的工具和基础：
- 编程基础：Python熟练，NumPy、PyTorch能上手
- 硬件：一台带GPU的电脑（RTX 3060以上就够用）
- 工具：Open3D（点云可视化）、ROS（可选，做自动驾驶项目时有用）
- 心态：做好调参调到头秃的准备。我调PointNet++的batch size调了整整两天，最后发现是数据加载的问题。
准备好了吗？那我们就开始吧。