飞桨火力全开，重磅上线3D模型：PointNet++、PointRCNN！

11 年前的「阿凡达」让少年的我们第一次戴上 3D 眼镜，声势浩大的瀑布奔流而下，星罗棋布飘浮在空中的群山，无一不体现着对生命的敬意，妥妥的坐稳了 2010 年北美、海外、中国和全球票房 No.1 的宝座，「3D」正式进入了大众的视线。

图片来自网络

11 年过去了，出走半生，我们依旧少年，「阿凡达 2」依旧没有如约上映，但 3D 应用却在此期间得到了蓬勃的发展。

这一方面得益于 3D 传感器技术的飞速发展，用户可以更加便捷地获取到三维图像数据；另一方面随着机器人、无人驾驶、AR&VR 等业务的日趋成熟，需要快速处理和理解海量的 3D 数据，以便精确感知周边物体的空间信息，3D 数据的深度学习需求应运而生。

随着 2020 年中国新基建政策的发布，相信未来 3D 视觉技术将会有更广阔的应用空间。

No.1

3D 深度学习需要什么格式的数据输入呢？

2D 图像可以天然的表示成二维矩阵，但 3D 数据却非常复杂，它有很多种表达形式，如：点云、体积像素、多边形网格和多视图。

在 3D 深度学习领域中，点云数据应用最为广泛。这是因为点云数据非常接近原始的传感器数据，采用这种形式，可以更好的挖掘原始数据中的信息，使用较少的数据即可表征较多的细节的特性。