點云作為無人駕駛感知和高精度地圖重要的數據來源和數據形式，其數據處理算法受到越來越多的關注。點云處理步驟一般包括點云去噪、點云濾波、點云拼接、特征提取、目標檢測與識別，高質量、完整的點云數據是后期激光雷達點云識別、目標檢測的基礎。
在道路數據采集階段，由于激光雷達的運動使得點云數據是在不同視點下分段獲取的，因此，將不同視點下采集的點云拼接起來無疑是生產高精度地圖的重要一環。
經典的點云拼接算法有迭代最近點算法（ICP）及其改進算法，ICP算法作為一個性能優越的精確點云拼接算法，當前應用最為廣泛。但ICP向全局最優的收斂性在很大程度上依賴于待拼接數據的初始拼接位置，而在無人車環境中，由于GNSS信號的不穩定，將帶來更差的初值，同時道路中的車輛 、行人等動態目標也將帶來較大干擾。所以如何在實現點云配準精度的同時保證算法的便捷和穩定性，是行業內的重要課題。
深度學習在二維圖像上的應用越來越廣泛，包括二維圖像的分割、分類、物體檢測等方向，基于深度學習的解決方案都取得了令人驚嘆的成果，點云處理研究人員和從業者也開始探索如何將深度學習有效直接地應用三維點云數據。
隨著無人車、機器人等領域的興起，將深度學習應用于點云處理也取得了很多極具啟發意義的成果，這些成果大部分都集中在點云的識別、檢測等領域，在點云配準、三維重建等領域仍鮮少涉及，雖有個別工作取得了一定進展，但總體來說深度學習尚未在相關領域取得決定性的突破。
近日，百度Apollo的工程師提出了一種基于深度學習的端到端的點云拼接網絡DeepVCP，不同于傳統方法中僅使用幾何特征，DeepVCP在拼接過程中引入了語義特征自動篩選關鍵點。此外，不同于傳統方法中查找幾何特征最相似的點作為同名點，DeepVCP僅評估幾何特征之間的相似度，并根據相似度生成匹配概率，再根據匹配概率生成同名點，最后算法僅依賴少量的穩定關鍵點進行匹配，不僅達到了和ICP家族使用全幀點云匹配相等的精度，還提升了匹配的穩定性。
11月26日，智東西公開課將聯合百度Apollo推出高精度地圖公開課百度Apollo專場，由百度資深研發工程師盧維欣主講，主題為《利用深度學習實現高精地圖的點云配準》。
盧維欣老師將深入講解其在利用深度學習完成點云配準方面的研究成果，方法步驟及最終的精度驗證，給你帶來不一樣的啟發和學習體驗。
課程時間
時間：11月26日
地點：智東西公開課小程序
課程詳情
主題：利用深度學習實現高精地圖的點云配準
講師；百度資深研發工程師盧維欣
提綱：
1、深度學習在點云數據處理中的應用現狀
2、點云配準的主要算法與方案對比
3、點云拼接網絡DeepVCP原理及實現
4、DeepVCP在不同自動駕駛數據集中的精度驗證
講師介紹
盧維欣，百度資深研發工程師，2016 年加入百度，從事無人駕駛高精地圖和定位相關算法研發工作，發表計算機視覺頂會（CVPR，ICCV）論文兩篇。
入群路徑
本次課程我們將設置主講群，講師將親自入群交流。希望進入主講群與老師認識和交流的朋友，掃描海報下方二維碼添加智東西公開課聯絡員“睿睿（zhidxclassai）”為好友，添加時請備注“姓名-公司-職位或姓名-學校-專業”，申請進入課程群交流。
社群規則
1、智東西社群堅持實名學習、交流和合作，入群后需要修改群昵稱為：姓名-公司-所在領域，違者踢群；
2、禁止在群內廣告和發送二維碼等無關信息，違者踢群。
