自动驾驶---Perception之视觉点云&雷达点云

1 前言

        在自动驾驶领域，点云技术的发展历程可以追溯到自动驾驶技术的早期阶段，特别是在环境感知和地图构建方面。

        在自动驾驶技术的早期技术研究中，视觉点云和和雷达点云都有出现。20世纪60年代，美国MIT的Roberts从2D图像中提取3D多面体，这被认为是3D计算机视觉研究的开端。随后激光雷达作为一种关键的传感器被广泛应用于环境感知和障碍物检测。激光雷达通过发射激光束并接收反射回来的信号，生成点云数据，从而提供周围环境的三维信息。早期的研究主要集中在如何有效地处理和分析这些点云数据，以实现对周围环境的准确感知和理解。

        随着自动驾驶技术的不断发展，点云处理技术也得到了显著的进步。研究人员提出了各种算法和方法，用于点云的分割、分类、物体检测、跟踪和地图构建等任务。其中，深度学习技术的引入为点云处理带来了革命性的变化。深度学习模型，特别是卷积神经网络（CNN）和点云处理网络（如PointNet、PointNet++等），以及后来的Transformer能够自动学习点云数据的特征表示，并实现对周围环境的更准确感知和理解。

2 点云介绍

2.1 点云技术概述

        点云是将大量离散的三维坐标点组成的数据集，每个点代表空间中的一个位置。在自动驾驶中，激光雷达等传感器收集到的环境信息通常以点云的