1
通过本课程你可以收获到1.全面认识点云处理基础，了解点云获取原理，掌握熟悉点云，曲面，体素等不同点云表征方法及处理手段；2.系统讲解三维空间基础知识，掌握欧拉角、旋转矩阵、四元数等刚体运动变换、三维空间变换基础知识；3.熟练掌握点云空间索引结构和搜索方法，包括KD-Tree，OC-Tree等，掌握点云表征，滤波，聚类，分割，识别等几大核心问题，熟练掌握PCL点云库并进行项目实践；4.掌握基于点云特征的激光SLAM框架和原理，包括前端配准（ICP，PL-ICP，NDT等），回环检测等；5.学习基于特征工程的激光点云识别与跟踪算法，介绍多传感器融合原理和方法；结合理论深度探究自动驾驶点云应用实践，包括激光雷达采集，校准，跟踪，识别和建图等核心任务；6.全面了解深度学习在点云研究的热点问题，学习利用深度学习解决三维点云处理问题，包括点云分类，分割，注册配准，重识别，重定位，物体识别等方向；7.深入学习经典点云深度学习模型，利用工程实践复现经典模型深化理解，包括PointNet，PointNet++，DGCNN，PointCNN，PointPillars，PointRCNN，3D点胶囊网，PointNetVLAD，PointNetLK，DeepClosestPoint等；8.紧跟三维点云深度学习前沿研究发展（第三期新增），跟进讲解点云分类、分割、注册配准、重识别、重定位以及物体识别等方向的前沿模型研究，包括RandLA-Net、Point-GNN、PointContrast、CenterNet3D、PointGroup、PointPainting、Offboard3DDetection等；9.开展手把手动手实践系列（第三期新增），针对点云物体识别部署的热点项目开展实践教学，包括数据集采集标注、物体检测网络训练调参、TensorRT推理部署、ROS感知系统实践等。2
选择本课程的四大理由专业讲师
索传哲
柯柏文（深圳）科技有限公司研发总监
东南大学FutureXLab无人驾驶研究负责人
曾任职商汤科技自动驾驶部门感知算法研究员、香港中文大学天石机器人研究所研究助理、杭州飞步科技自动驾驶公司等。在基于深度学习的三维点云处理方面具有多年经验，包括面向自动驾驶的融合感知，三维点云SLAM，基于自主机器人系统控制与规划等。曾在香港机场物流自动驾驶拖车项目的感知系统研发，所提的基于三维点云学习的动态大场景识别算法成功实现了高动态香港城市道路和复杂机场仓储环境下的实时场景识别和鲁棒闭环检测任务，在ICCV，ICRA，IROS等国际顶级会议上发表多篇论文。课程大纲
课程以移动机器人、自动驾驶为应用背景，从激光点云数据采集和基础处理算法、到激光定位与建图基本原理、再到基于深度学习的点云分割、定位、识别等最新进展，进行全面系统的介绍，并提供大场景激光点云SLAM和基于深度学习的点云分割与识别的实践学习机会。识别