點云（小數點 clouds）是空間中點的數據集，可以表示三維形狀或對象，通常由三維掃描儀獲取。點云中每個點的位置都由一組勒內·笛卡爾坐標（X,Y,Z）描述，有些點云可能含有色彩信息（R,G,B）或物體反射面強度（Intensity）信息。強度信息是三維激光掃描儀接受裝置采集到的回波強度，與目標的表面材質、粗糙度、入射角方向，以及儀器的發射能量和激光波長有關。點云可用來表示連續的三維模型外表面，是逆向工程中通過儀器測量外表的點數據集合。在電腦動畫領域，例如皮克斯動畫工作室的《玩具總動員3》也使用了點云技術。
概念介紹
點云是在空間中的點的集合，它們記錄了與目標表面特性相關的海量點信息。根據激光測量原理得到的點云，包括三維坐標（XYZ）和激光反射強度（Intensity）。根據攝影測量原理得到的點云，包括三維坐標（XYZ）和顏色信息（RGB）。結合激光測量和攝影測量原理得到的點云，包括三維坐標（XYZ）、激光反射強度（Intensity）和顏色信息（RGB）。在獲取物體表面每個采樣點的空間坐標后，得到的是一個點的集合，稱之為“點云”(小數點 Cloud)。點云的格式包括但不限于：*.pts; *.asc; *.dat; *.stl; *.imw；*.xyz。
逆向工程
稀疏點云或密集點云都是逆向造型的基礎，有不少專門的逆向軟件能夠進行點云的編輯和處理，比如imageware、Geomagic、copycad和rapidform等等。逆向工程中，點云數據是通過儀器測量物體外表面而獲得的點的集合，這些數據可以用于創建物體的三維數字模型。
激光點云
當一束或多束激光照射到物體表面時，所反射的激光會攜帶方位、距離等信息。若將激光束按照某種軌跡進行掃描，便會邊掃描邊記錄到反射的激光點信息，由于掃描極為精細，則能夠得到大量的激光點，因而就可形成激光點云。激光點云中的強度信息反映了目標表面的材質、粗糙度、入射角方向，以及掃描儀的發射能量和激光波長等因素的綜合影響。
自監督學習
大規模點云的手動注釋需要花費大量時間，并且在惡劣的現實世界場景中通常不可用。 受視覺和語言任務中預訓練和微調范式取得巨大成功的啟發，預訓練是獲得 3D 點云下游任務的可擴展模型的一種潛在解決方案。 因此，一些方法探索了一種新的自監督學習方法，稱為混合和分離 (MD)，用于 3D 點云深度學習。 顧名思義，混合兩個輸入形狀并要求模型學習將輸入與混合形狀分開。 利用這個重建任務作為自監督學習的借口優化目標。 有兩個主要優點：與流行的圖像數據集（例如 ImageNet）相比，點云數據集實際上很小。 混合過程可以提供更大的在線訓練樣本池；另一方面，解耦過程（Disentangle）促使模型挖掘幾何先驗知識，例如關鍵點。
參考資料 >
Self-supervised Point Cloud Representation Learning via Separating Mixed Shapes | IEEE Journals & Magazine | IEEE Xplore IEEE.電氣與電子工程師協會.2024-04-08