其中，環境感知、精准定位等技術對於空間數據的依賴性十分之高。
傳統的二維空間數據主要以矢量與影像地圖為主，隨着時代的發展尤其是以自動駕駛為代表的新技術興起，傳統空間數據表達形式已無法滿足技術變革的需求，新一代傳感器正在記錄更高的分辨率和更准確的測量結果，點雲數據應運而生。
一.何為點雲數據
點雲數據是通過一定的測量手段直接或間接采集的，且符合測量規則能夠刻畫目標表面特性的密集點集合，是繼矢量、影像后的第三類空間數據，為刻畫三維現實世界提供了最直接和有效的表達方式。
目前激光點雲是最具代表性的三維數據，也是自動駕駛領域常用的一種數據類型。
激光點雲數據(來源：曼孚科技SEED數據服務平台)
在自動駕駛汽車環境感知模塊中，各類傳感器構成了核心的硬件體系，其中尤以車載激光雷達為主。
激光雷達的工作原理與雷達非常相近，以激光作為信號源，由激光器發射出的脈沖激光，打到路面的汽車、行人或其他建築物上，引起散射，一部分光波會反射到激光雷達的接收器。
根據激光測距原理，可以得到從激光雷達到目標點的距離，脈沖激光不斷掃描目標物，可以得到目標物上全部目標點的數據，用點雲數據進行成像處理后，就可得到精確的三維立體圖像。
二.點雲數據包含的內容
點雲數據中包含了每個點的經緯度坐標、強度、多次回波、顏色等豐富的信息。
我們以自動駕駛車載激光雷達為例，簡要分析其采集的激光點雲數據里所包含的信息：
Ξ 1.x.y.z坐標信息
根據采集的x.y.z坐標，可直接獲取被測物體的三維結構信息，三維結構信息是其他地理信息的載體。
Ξ 2.回波次數
回波數是某個給定脈沖的回波總數。從激光雷達系統發射的激光脈沖會從地表面和地表上的物體反射：汽車、行人、以及橋梁等等。
發射出的一個激光脈沖可能會以一個或多個回波的形式返回到激光雷達傳感器。任何發射出的激光脈沖在向地面傳播時，如果遇到多個反射表面則會被分割成與反射表面一樣多的回波。
Ξ 3.強度信息
強度是反映生成某點的激光雷達脈沖回波強度的一種測量指標(針對每個點而采集)。不同物體對於激光雷達的反射程度不同，所以通過強度信號可以對物體進行區分。
Ξ 4.類別
每個經過處理的激光雷達點可擁有定義反射激光雷達脈沖對象類型的分類。可將激光雷達點分成多個類別，包括汽車、路面等。
Ξ 5.RGB
可以將RGB(紅、綠、藍)波段作為激光雷達數據的屬性。此屬性通常來自激光雷達測量時采集的影像。
Ξ 6.掃描方向
掃描方向是激光脈沖向外發射時激光掃描鏡的行進方向。
三.點雲數據與自動駕駛
自動駕駛廣闊的市場應用前景，助推了各類環境感知傳感器的研究。在人工智能自動駕駛領域中，准確的環境感知和精確的定位是自動駕駛汽車在復雜動態環境中能夠進行可靠導航，信息決策以及安全駕駛的關鍵。
目前，3D激光點雲數據在自動駕駛領域中的應用可以分為以下兩個方面：
Ξ 1.基於場景理解和目標檢測的實時環境感知和處理
通過車載激光雷達掃描可以得到汽車周圍環境的實時3D模型，運用相關算法比對上一幀和下一幀環境的變化可以識別出周圍的車輛和行人，實現自動避障，提升自動駕駛的安全度。
Ξ 2.SLAM加強定位
在未知環境中，自動駕駛汽車無法根據已知地圖不斷進行校正，實現精確定位，只能通過自身攜帶的傳感器來獲取環境信息，並經過信號處理抽取有效信息，以構建環境地圖。
激光雷達所具備的同步建圖(SLAM)，可以實時得到全局地圖，通過與高精度地圖中特征物的比對，實現導航及車輛的精准定位。
四.激光點雲標注案例
在數據標注領域，常見的3D激光點雲標注類型通常包括單幀標注、連續幀標注、2D&3D融合標注以及點雲全景語義分割等。
我們以單幀物體檢測為例，詳細展示自動駕駛激光點雲標注案例。
Ξ 1.標注內容：
利用車載激光雷達采集數據，將數據分割成若干段。從每段每秒中選擇1幀，使用3D框對該幀內的機動車對象進行標注。
Ξ 2.標注要求：
1)點雲數量低於10個點的對象無需標注。
2)使用3D框標注，3D框的邊界需要貼合掃描的點雲。
3)一個3D框只標注一個標注對象，不可重復標注同一目標。
4)兩個3D框之間不能出現嵌套情況。
5)一個標注對象被遮擋分成兩個部分，兩個部分共用一個3D框標注。
6)存在部分遮擋的標注對象，參考具體對象，合理補充拉框。
Ξ 3.具體操作：
平台內操作如下圖所示，借助SEED平台自帶的AI算法支持，一鍵自動貼合：
標注示例(來源：曼孚科技SEED數據服務平台)
標注示例(來源：曼孚科技SEED數據服務平台)
經過標注處理后的激光點雲數據可廣泛應用於自動駕駛相關算法模型訓練中，為自動駕駛汽車在環境感知與定位導航等領域提供強有力的技術支撐。