点云数据
在汽车感知领域，这类非结构化数据主要来自 LiDAR 传感器。LiDAR 通过主流的飞行时间测量法，或调频激光信号，测量车辆自身与周围空间之间的距离。自主 LiDAR 系统是自动驾驶的感知骨干，持续输出复杂的几何结构流；但受大气环境影响，这些数据容易出现随距离增加而加剧的稀疏性与抖动。
面向三维理解的感知神经网络范式
三维深度学习大致可分为三类，它们分别处于不同的空间粒度与语义粒度层级。
三维点云分类
这一全局任务旨在为整个点云预测一个语义标签，是评估特征提取能力的基础架构基线。第 2.3.1 节将对此作出更详细的说明。
三维目标检测
目标检测不再局限于识别整体形状，而是要在点云或点云序列中定位并分类具体目标。通常的做法是绘制三维包围盒，从而预测目标的空间属性，例如平移位置与体积尺寸。VirConv 等现代方法会融合 LiDAR 传感器输入与相机数据，开展多模态处理。
为处理点集无序且非结构化的特性，分类网络发展出了多种核心方法；每种方法都在计算效率与几何保真度之间作出不同权衡。下一节将简要概述当前方法。建议进一步阅读 Zhang 等人的论文。
多视图架构
多视图架构通过将原始坐标投影到一个或多个预先定义的二维平面上，规避三维点云数据的非结构化特性，从而把问题转换到基于图像的领域。完成投影后，即可使用高效的二维 CNN 对图像进行分类。这一策略能够减少点云密度变化所造成的处理异常。
然而，多视图方法需要大量几何预处理，并且在投影过程中会不可逆地丢失深度信息。为降低视角遮挡的风险，网络还需要依赖一组不同视点的相机，进一步推高计算成本。
三维深度学习中的可解释性方法
随着神经网络架构日益复杂，它们在本质上越来越像“黑箱”：人们往往无法明确知道，为什么某个实例会被如此分类，而不是归入另一类别。在自动驾驶、医学诊断等安全关键领域，建立对模型的信任至关重要。我们不能只盲目依赖模型较高的验证准确率，还必须理解其架构是如何得出这种几何判断的，例如，模型识别火车时，依据的是附近的轨道，还是车辆本身。
为了打开这些黑箱，目前主要形成了两类局部可解释性方法。
基于梯度的方法
这类框架通过在反向传播过程中计算特征梯度，系统地将点向模型实例的质心移动，以分离出各点的结构重要性，从而解释底层的 PointNet 模型。由于只需进行一次反向传播，这些方法的计算效率很高。但它们严格依赖模型，只能应用于完全可微的架构。
基于局部代理模型的方法
LIME-3D 等方法与模型无关，也就是说，它们把底层网络视为“黑箱”。这类方法会将模型划分为局部簇，通过移除不同簇来生成扰动变体，并观察网络输出分类结果的变化。因此，它们对人类而言具有很强的可解释性，但计算成本极高，还会产生“贡献抵消”现象：同一簇中点的正、负激活相互抵消。
归根结底，这些局部可解释性方法擅长在逐点的个体层面进行解释，但存在根本局限，无法对完整的语义类别作出全局解释。针对类别级全局解释，已有其他方法可供使用。
点云下采样方法
在实际应用中，三维点云可能包含数百万个点，尤其是由 LiDAR 扫描仪采集的点云。这会形成规模巨大的数据处理链路，往往超出边缘硬件的能力范围。下采样是一项至关重要的几何预处理步骤，旨在从初始点集中系统地移除点，以降低内存占用和整体执行时间，同时保持较高的准确率。现有文献主要将下采样方法分为三种不同的算法路线。
弥合传感器现实差距
尽管前述实现已经证明 PointNet 可以部署在边缘硬件上，但它们的评估完全依赖 ModelNet 数据集中的均匀采样实例。这些实例完全没有环境噪声。为弥合这一差距，本流程采用 BLAINDER——一个为 Blender 开发的开源扩展，用于模拟声纳、LiDAR 等深度感知过程。我们使用基于物理的光线投射方法，而非简单的基本体坐标，构建用于网络训练与验证的稳健数据集。该数据集包含几何噪声与传感器缺陷。
为了全面评估 PointNet 的分类边界，我们构建了两个不同的数据集，并公开发布，以便复现实验结果并进一步改进。
通用 LiDAR 数据集
作为对照组，该数据集使用 BLAINDER 提供的通用预设，并固定在单一视角上。与旋转数据集一样，其中也包含“干净”和“含噪”两个子集。
由于数据生成逻辑基于自适应脚本，因此完全可以构建定制化方案。根据目标应用，可以调整数据流程，以加入与天气相关的噪声（如降雨），提高均值和标准差，或彻底更换传感器配置文件。
特征驱动的数据精简：关键点层
为了在 PointNet 架构中提取特征，点首先会在共享 MLP 中独立处理，以提取更高层次的特征；随后，这些特征会经过全局最大池化操作。作者的一个关键发现是，模型最终的分类能力完全取决于输入数据中的一个小子集，即关键点。这些关键点在最大池化操作中具有最高激活值，同时代表形状的全局几何边界与地标。
作者指出，即使通过随机采样移除未指定比例的输入点，分类性能也仅下降未指定幅度，仍能达到足够的分类效果。这证明，只要不丢弃关键点，PointNet 对数据缺失具有很强的鲁棒性。由于一个点可能主导最大池化中的多个通道，真正驱动分类的独立关键点数量其实非常少。
CPL 训练
CPL 前端由逐点共享 MLP 构成，通道数从 3 扩展到 64，再经过 128 和 1024 通道。随后使用按列最大池化模块，提取得分最高的索引。整个网络链路使用 Adam 优化器训练，学习率为 0.001，共训练 200 个 epoch。由于反向传播时梯度严格流经被选中的索引，该前端表现为离散瓶颈，而不是连续函数。
需要注意的是，如果某个点是显著地标，它可能同时承载多个不同特征。例如，机翼尖端边缘或机鼻尖端可能在多个特征通道中同时取得峰值激活。因此，argmax 算子选出的独立行数会显著少于通道深度。一个包含 1024 个点的点云，可能被压缩到仅 40 个点。
为了保持所需的输出点数，我们的概念验证实现会复制最终得到的点。反之，如果需要更少的点，则会截断点集。在后续实现中，可以用加权采样取代朴素的行复制，根据点在网络中的“价值”赋予权重，并按比例重复坐标。该思路已由我们所依据论文的作者提出。还可以反复执行二次池化，直到达到所需的目标密度。
在相同实例上对独立的 CPL 前端进行 5,000 次测试迭代后，性能分析显示，针对 128 点目标的平均执行延迟为未指定的毫秒数。相比 FPS 处理相同子集大小所需的未指定的毫秒数运行时间，我们的实现速度接近其三倍。
几何与感知对比
为了分析特征驱动的下采样器是否符合人类感知，我们比较了 ModelNet40 数据集中飞机类与人物类的多个实例。首先对实例进行随机采样，使点数达到 1024；随后应用 LIME-3D，观察哪些点对分类产生正向贡献；最后在下采样点集上应用 CPL。可以看到，CPL 学会了分离极值点与尖锐边界。对于飞机实例，该层始终会选取分布在两侧机翼边缘上的点。
为了对点云进行定量评估，我们基于 Chamfer 距离（CD）开展相似度测量。具体而言，将 CPL 点与 LIME-3D 的结果，以及包含相同点数的随机点云进行比较。由于 RS 的结果可能存在波动，我们对 RS 计算了 1000 次 CD。
在所有评估类别中，RS 与 LIME-3D 的 CD 始终更低，指标几乎是 CPL 的两倍之低。这表明，相对于局部解释器，CPL 会引入更高的几何差异。这一结果凸显了分类实用性与人类可解释性之间的权衡，同时也暴露出两种框架各自的边界。
LIME-3D 这类局部代理模型无法评估每一个点，而是依赖聚类来生成针对人类感知进行优化的解释。
CPL 则像一条信息漏斗，严格围绕分类任务进行优化。它只保留最大化分类置信度所必需的最少点数。神经网络认为对分类至关重要的内容，并不一定符合人类的感知方式。
尽管 CD 存在显著差异，CPL 仍具有实际运行价值。在测试融合 PointNet 与 CPL 的流程时，当 CPL 被下采样至 64 个点，网络在5,000 个测试实例上的未指定准确率下完成分类。该表现与基线指标相当；在基线中，网络使用 64 个随机点进行训练，准确率为未指定的基线准确率。因此，CPL 对 PointNet 的分类性能几乎没有造成负面影响，甚至可能带来非负收益，可作为高效的边缘加速器。
结论
综上，我们证明了将空间深度学习架构部署到边缘处理器上的可行性。本研究的贡献有两点：弥合现实差距，以及进行算法优化。
首先，我们利用 BLAINDER 构建了稳健的数据生成流程，基于 ModelNet40 数据集生成逼真的合成 LiDAR 数据。该流程模拟现有 LiDAR 传感器，并引入逐点高斯噪声，从而复现视角相关密度等真实传感器特征。交叉评估表明，在纯净 CAD 模型上训练的网络遇到传感器异常时会失效；而在含噪数据上训练的模型能够学习抽象特征，即使面对干净数据也能取得准确结果。此外，对不同密度的评估显示，PointNet 对数据稀疏性具有很强的鲁棒性，即使采用激进的数据精简，分类结果仍能保持稳定。
其次，我们实现了一个预训练的关键点层，将其作为预处理滤波器。结果表明，该前端可以将原始的 1024 点云确定性地压缩为包含 40–60 个独立坐标的稀疏子集。在 Raspberry Pi CPU 上进行测试时，该方法超越了 FPS 算法的运行速度，证明低功耗边缘设备也能够实现实时运行。
展望
未来仍有多个值得探索的优化方向与架构改进方案。
为了扩展该流程，使其能够同时处理户外 LiDAR 扫描仪生成的数百万个点，后续工作可以考虑将 CPL 共享 MLP 卸载到现场可编程门阵列（FPGA）或专用低功耗 NPU 上。FPGA 非常适合执行大规模并行任务，有助于进一步释放 CPU 资源。
为了缓解压缩后只剩少数点的极端特征坍缩问题，有必要测试连续且完全可微的算子，例如 Gumbel-Top-k 近似。与硬过滤并通过复制行来填充点数不同，这种优化会为每个点计算重要性值，并依据该分数进行采样。
常见问题
合成 LiDAR 数据生成解决了什么问题？ 它弥合了干净的 ModelNet 数据与真实环境中采集的、含噪且不完美的传感器数据之间的差距。
什么是关键点层？ 关键点层是一种特征驱动的预处理滤波器，用于选择 PointNet 最大池化操作中激活值最高的点。
CPL 能从 1024 点云中保留多少个点？ CPL 可以将 1024 点云压缩为约 40–60 个独立坐标。
为什么 CPL 适合边缘设备？ 它能够确定性地压缩点云，并在低功耗边缘硬件上绕过 FPS 的运行时间开销。