点云，即“点”构成的“云”。一般来自激光雷达，也可以来自毫米波雷达，是利用激光雷达和雷达传感器生成的三维点的集合，可分为黑白和彩色两大类。点云数据（point cloud data）一般由激光雷达等3D扫描设备获取空间若干点的信息，一般包括XYZ位置信息、RGB颜色信息和强度信息等，是一种多维度的复杂数据集合。

（1）多视图三维重建：多视图重建是利用多张一个场景的不同视角图像来恢复出场景三维模型的方法，自然场景的多视图三维重建一直是计算机视觉领域的基本问题，有着广泛的应用。（2）三维同步定位与地图构建（Simultaneous Localization And Mapping，SLAM）：主要用于解决移动机器人在未知环境中运行时定位导航与地图构建的问题。（3）三维目标检测：与二维图像相比，3D点云数据的优势在于能够很好地表征物体的表面信息和一些深度信息。另外，由于3D点云数据的获取来源较多，因此对3D点云数据的研究得以迅速增长，进一步促进了使用深度学习实现3D点云目标检测。（4）三维语义分割：三维（3D）语义分割在医学、自动驾驶、机器人和增强现实（AR）等许多领域的广泛应用，3D点云标注项目3D点云图像数据标注是在激光雷达采集的3D图像中，通过3D标注框将目标物体标注出来。目标物体包括车辆、行人、广告标志和树木等。

自动驾驶标注规范：包含标注框规范、类别规范、属性规范。

（1）标注框规范：需要6个面都贴合雷达点，不能出现漏点。（2）类别规范：包括车辆、公交、卡车、摩托车、行人、汽车人等。（3）属性规范：包括标注框的方向、大小、遮挡、截断、离开属性，以及目标对象的运动状态、TOS属性等。3D点云标注流程（1）数据标注：以下步骤为数据标注的流程。启动客户端；点击“获取数据”来载入任务；主视图切换到俯视模式，新建对象，在三视图中调整以贴合；切换到其他帧调整位置，直到所有的3D和2D都完成追踪和映射后点击提交。（2）质检：质检包括两种方式：单标注框质检，单帧质检。（3）返修：对质检结果的查看，以及对不合格标注数据的修改。（4）导出样例：点云标注导出界面示意图如下。