自动驾驶汽车关键技术主要包括环境感知、精准定位、决策与规划、控制与执行、高精地图与车联网V2X以及自动驾驶汽车测试与验证技术等。
其中，环境感知、精准定位等技术对于空间数据的依赖性十分之高。
传统的二维空间数据主要以矢量与影像地图为主，随着时代的发展尤其是以自动驾驶为代表的新技术兴起，传统空间数据表达形式已无法满足技术变革的需求，新一代传感器正在记录更高的分辨率和更准确的测量结果，点云数据应运而生。
一.何为点云数据
点云数据是通过一定的测量手段直接或间接采集的，且符合测量规则能够刻画目标表面特性的密集点集合，是继矢量、影像后的第三类空间数据，为刻画三维现实世界提供了最直接和有效的表达方式。
目前激光点云是最具代表性的三维数据，也是自动驾驶领域常用的一种数据类型。
激光点云数据(来源：曼孚科技SEED数据服务平台)
在自动驾驶汽车环境感知模块中，各类传感器构成了核心的硬件体系，其中尤以车载激光雷达为主。
激光雷达的工作原理与雷达非常相近，以激光作为信号源，由激光器发射出的脉冲激光，打到路面的汽车、行人或其他建筑物上，引起散射，一部分光波会反射到激光雷达的接收器。
根据激光测距原理，可以得到从激光雷达到目标点的距离，脉冲激光不断扫描目标物，可以得到目标物上全部目标点的数据，用点云数据进行成像处理后，就可得到精确的三维立体图像。
二.点云数据包含的内容
点云数据中包含了每个点的经纬度坐标、强度、多次回波、颜色等丰富的信息。
我们以自动驾驶车载激光雷达为例，简要分析其采集的激光点云数据里所包含的信息：
Ξ 1.x.y.z坐标信息
根据采集的x.y.z坐标，可直接获取被测物体的三维结构信息，三维结构信息是其他地理信息的载体。
Ξ 2.回波次数
回波数是某个给定脉冲的回波总数。从激光雷达系统发射的激光脉冲会从地表面和地表上的物体反射：汽车、行人、以及桥梁等等。
发射出的一个激光脉冲可能会以一个或多个回波的形式返回到激光雷达传感器。任何发射出的激光脉冲在向地面传播时，如果遇到多个反射表面则会被分割成与反射表面一样多的回波。
Ξ 3.强度信息
强度是反映生成某点的激光雷达脉冲回波强度的一种测量指标(针对每个点而采集)。不同物体对于激光雷达的反射程度不同，所以通过强度信号可以对物体进行区分。
Ξ 4.类别
每个经过处理的激光雷达点可拥有定义反射激光雷达脉冲对象类型的分类。可将激光雷达点分成多个类别，包括汽车、路面等。
Ξ 5.RGB
可以将RGB(红、绿、蓝)波段作为激光雷达数据的属性。此属性通常来自激光雷达测量时采集的影像。
Ξ 6.扫描方向
扫描方向是激光脉冲向外发射时激光扫描镜的行进方向。
三.点云数据与自动驾驶
自动驾驶广阔的市场应用前景，助推了各类环境感知传感器的研究。在人工智能自动驾驶领域中，准确的环境感知和精确的定位是自动驾驶汽车在复杂动态环境中能够进行可靠导航，信息决策以及安全驾驶的关键。
目前，3D激光点云数据在自动驾驶领域中的应用可以分为以下两个方面：
Ξ 1.基于场景理解和目标检测的实时环境感知和处理
通过车载激光雷达扫描可以得到汽车周围环境的实时3D模型，运用相关算法比对上一帧和下一帧环境的变化可以识别出周围的车辆和行人，实现自动避障，提升自动驾驶的安全度。
Ξ 2.SLAM加强定位
在未知环境中，自动驾驶汽车无法根据已知地图不断进行校正，实现精确定位，只能通过自身携带的传感器来获取环境信息，并经过信号处理抽取有效信息，以构建环境地图。
激光雷达所具备的同步建图(SLAM)，可以实时得到全局地图，通过与高精度地图中特征物的比对，实现导航及车辆的精准定位。
四.激光点云标注案例
在数据标注领域，常见的3D激光点云标注类型通常包括单帧标注、连续帧标注、2D&3D融合标注以及点云全景语义分割等。
我们以单帧物体检测为例，详细展示自动驾驶激光点云标注案例。
Ξ 1.标注内容：
利用车载激光雷达采集数据，将数据分割成若干段。从每段每秒中选择1帧，使用3D框对该帧内的机动车对象进行标注。
Ξ 2.标注要求：
1)点云数量低于10个点的对象无需标注。
2)使用3D框标注，3D框的边界需要贴合扫描的点云。
3)一个3D框只标注一个标注对象，不可重复标注同一目标。
4)两个3D框之间不能出现嵌套情况。
5)一个标注对象被遮挡分成两个部分，两个部分共用一个3D框标注。
6)存在部分遮挡的标注对象，参考具体对象，合理补充拉框。
Ξ 3.具体操作：
平台内操作如下图所示，借助SEED平台自带的AI算法支持，一键自动贴合：
标注示例(来源：曼孚科技SEED数据服务平台)
标注示例(来源：曼孚科技SEED数据服务平台)
经过标注处理后的激光点云数据可广泛应用于自动驾驶相关算法模型训练中，为自动驾驶汽车在环境感知与定位导航等领域提供强有力的技术支撑。