人类生活在三维世界中，通过在婴幼儿时期对三维世界的大量观察和互动，人类很快就学习掌握了高效、准确感知三维环境的能力。

为了让机器替代人类执行任务，使机器正确理解三维场景是我们需要迈出的第一步。

三维感知算法则能够为机器装上一个“超级眼睛”，赋予机器“看”和“理解”三维世界的能力。

在自动驾驶和智能交通中，三维感知技术首先可以通过识别静态元素（如道路、交通标志等）、动态障碍物（如车辆、行人和其他障碍物等），实时创建周围环境的动静态三维感知元素，生成精确的动态环境模型，确定自车在环境中的精确位置和状态，进而做出安全且舒适的驾驶决策，实现车道保持、自动紧急刹车和路径规划等功能。

既然“超级眼睛”如此有用，如何才能为机器装配上“超级眼睛”呢？

首先，我们需要给机器装上“眼睛”，让它能够“看”世界。

在三维感知系统中，传感器采集周围的环境信息，起到“看”的作用，常用的传感器包括相机（camera）、激光雷达（LiDAR）、毫米波雷达（radar）等。这些传感器能够实现对环境的多视角感知，为智能系统的决策和控制提供重要的数据支持。例如：相机主要采集环境的纹理信息，能够提供丰富的色彩信息；激光雷达采集空间中实体表面的稀疏三维点坐标及回波强度等属性，能够提供空间中物体的精确位置和形状；毫米波雷达主要采集稀疏实体的空间坐标、速度、距离等信息，能提供更多动态环境感知信息。

在传感器采集到的环境信息基础上，我们需要赋予机器理解信息的“大脑”，让它能够“理解”世界。

人对世界的理解是多样化的，不同的人目的不同、个性不同、经验不同，可能会关注到同一场景的不同角度。与人的理解不同，为了有一个规范、统一的理解目标，能同时满足大多数应用（如自动驾驶、智能制造等） 的需求，研究者将三维感知抽象为许多具体任务。比如，在自动驾驶中，三维感知根据目标理解物体的属性可以划分为静态感知、动态感知和通用障碍物感知。其中，静态感知根据感知模型的输出形式可进一步划分为语义分割、实例分割、全景分割等具体任务；动态感知可以划分为物体检测、物体跟踪、轨迹预测等具体任务；通用障碍物感知可划分为占用网格语义分割、占用网格场景流等具体任务。

面向不同任务，科学家研究了针对性的具体算法使机器能够理解场景。当前流行的算法通常以立体几何和深度学习等理论工具为基础。由于不同传感器产生的数据表示差异巨大，导致处理方法也不尽相同，这些算法按照传感器类型可分为单传感器感知方法和多传感器融合感知方法。其中，单传感器感知方法根据所使用的传感器类型又划分为激光雷达感知算法、纯视觉感知算法；多传感器融合感知的主要挑战是如何对不同传感器的数据进行融合以适应具体的感知任务。此外，近几年，新的研究工作尝试使用端到端结构同时完成多种感知和规划控制的任务，由于数据量、标签的增加和多任务之间的协同作用，使得上述方法取得了很好的效果，具备更强的发展前景。

对于刚刚踏足自动驾驶领域的研究人员、工程师以及对三维感知技术感兴趣的学生和爱好者来说，《自动驾驶三维感知算法入门与实战》一书可以提供一个全面的自动驾驶三维感知算法的入门和实践指南。

本书从自动驾驶三维感知算法的基础知识入手，逐步深入到算法的实现和优化。首先介绍三维感知的传感器、三维感知任务分类、数学基础（包括立体几何、深度学习），然后详细探讨基于图像、激光雷达（LiDAR）和多传感器融合的三维感知技术，以及端到端自动驾驶技术。书中不仅包含了算法的理论基础，还提供了丰富的实战案例，使读者能够通过实践来加深理解。

自动驾驶技术的未来充满无限可能，而三维感知算法是实现这一未来的关键。我们希望本书能够成为您探索这一领域的起点，帮助您在自动驾驶技术的浪潮中乘风破浪。

本文摘编自《自动驾驶三维感知算法入门与实战》一书

（李笑颜 等 编著，化学工业出版社，2025年8月出版）