點雲

點雲是指目標表面特性的點集合。

根據激光測量原理得到的點雲，包括三維座標（XYZ）和激光反射強度（Intensity）。

根據攝影測量原理得到的點雲，包括三維座標（XYZ）和顏色信息（RGB）。

結合激光測量和攝影測量原理得到點雲，包括三維座標（XYZ）、激光反射強度（Intensity）和顏色信息（RGB）。

在獲取物體表面每個採樣點的空間座標後，得到的是一個點的集合，稱之為“點雲”(Point Cloud)。

點雲的格式：; *.pts; *.asc ; *.dat; *.stl ;*.imw；*.xyz;

稀疏點雲或密集點雲都是逆向造型的基礎，有不少專門的逆向軟件能夠進行點雲的編輯和處理，比如imageware、geomagic、copycad和rapidform等等。

當一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，由於掃描極為精細，則能夠得到大量的激光點，因而就可形成激光點雲。

大規模點雲的手動註釋需要花費大量時間，並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範式取得巨大成功的啓發，預訓練是獲得 3D 點雲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)，用於 3D 點雲表示學習。 顧名思義，混合兩個輸入形狀並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藉口優化目標。 有兩個主要優點：與流行的圖像數據集（例如 ImageNet）相比，點雲數據集實際上很小。 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。 ^[1]