3D点云深度学习入门指南：从数据预处理到模型训练实战

1次阅读

共计 1566 个字符，预计需要花费 4 分钟才能阅读完成。

3D 点云是由激光雷达或深度相机采集的离散三维空间数据点集合，每个点包含 XYZ 坐标及可能的反射强度等信息。相比 2D 图像，点云具有三大核心特性：

无序性 ：点云是坐标的集合而非像素矩阵，排列顺序不影响几何意义
稀疏性 ：室外场景中有效点仅占整个空间极小比例
非结构化 ：不同场景的点云数量差异可达数量级

在自动驾驶领域，点云用于障碍物检测（如 Waymo 的 LaserNet）；机器人抓取中处理物体点云可提高抓取成功率（如 Dex-Net）。医疗领域则用于器官三维建模（如肺部 CT 重建）。

模型	核心思想	适用场景	计算复杂度
PointNet	对称函数 +MLP	小规模刚性物体分类	O(n)
PointNet++	层级特征采样 + 局部特征聚合	复杂场景分割	O(nlogn)
DGCNN	动态图卷积	细节敏感任务（如配准）	O(nk)

import open3d as o3d
pcd = o3d.geometry.PointCloud()
pcd.points = o3d.utility.Vector3dVector(points)
o3d.visualization.draw_geometries([pcd])

class PointCloudAugment:
    def __call__(self, points):
        # 随机旋转（SO3 群）angles = np.random.uniform(-np.pi/6, np.pi/6, 3)
        R = o3d.geometry.get_rotation_matrix_from_xyz(angles)
        points = points @ R.T

        # 高斯抖动
        noise = torch.randn_like(points) * 0.01
        return points + noise

class TNet(nn.Module):
    def forward(self, x):
        # 输入变换矩阵学习
        x = F.relu(self.bn1(self.conv1(x)))  
        return torch.bmm(x, x.transpose(2,1))

class PointNetCls(nn.Module):
    def __init__(self, num_classes):
        super().__init__()
        self.tnet = TNet()
        self.mlp = nn.Sequential(nn.Linear(1024, 512),
            nn.BatchNorm1d(512),
            nn.ReLU(),
            nn.Linear(512, num_classes))

    def forward(self, x):
        # x: (B, N, 3)
        trans = self.tnet(x)
        x = torch.bmm(x, trans)  # 空间对齐
        global_feat = torch.max(x, 1)[0]  # max pooling
        return self.mlp(global_feat)