深度学习（Deep Learning）是这个时代最具有科技感的词语之一，其目的在于建立模拟人脑进行分析学习的神经网络，来解释图像、文本等各类信息。当深度学习被引入机器学习（Machine Learning）后，机器学习便离其最初的目标——人工智能（Artificial Intelligence）更近了一步。
而对于激光点云深度学习的研究，则由PointNet——斯坦福大学在2016年提出的一种点云分类深度学习神经网络开始。PointNet使用已分类的数据训练AI，让AI识别出各类地物的特征，并对点云进行自动分类，实验准确率高达89.2%，掀起了点云+AI研究的热潮。
PointNet网络结构
引自《PointNet:Deep Learning on Point Sets for 3D Classification and Segmentation》
深度学习在点云处理上的应用
深度学习在点云处理上的应用，主要为点云分类——即从无序点云中识别出不同地物，并赋予其语义信息。点云分类是各类行业应用的基础，如生产DEM、等高线需要分类地面点，建筑自动建模需要分类建筑物点，林业调查需要分类植被点，电力巡检则需要分类出杆塔、电力线……
对于这类常见地物，行业内已经有了可用的分类方法，LiDAR360的“深度学习分类”功能，也能对其进行自动化、高精度的识别与分类。
但随着激光点云应用场景的不断拓展，从点云中识别出各类地物的需求也日渐丰富。场景之繁、地物之多，尚未由泛用的自动化功能满足所有的分类需求。手动分类则存在效率低、成本高等诸多痛点。
LiDAR360 深度学习分类效果
点云分类AI训练功能来了
经过数年的发展，AI+点云的研究已经有了一定的技术积累，LiDAR360推出了工程化的“自定义深度学习分类”功能。用户可以将完成分类的点云数据“喂”给深度学习模型，训练AI，并让完成训练的AI精准识别场景，对地物进行高效的自动分类。
目前已经有多位国际用户，训练出了针对特定场景的点云分类AI，其自动分类的准确率可达90%。
新加坡客户训练AI分类港口料堆
俄罗斯客户训练AI分类矿山巷道
美国哥伦比亚客户训练AI分类地表物体
LiDAR360 “自定义深度学习分类”功能，功能采用前后端分离架构，便于充分利用服务器算力。操作简单，创建任务、输入数据、点击确定三步即可，用户仅需数10秒便可开始训练自己的AI！
该功能也提供了丰富的自定义选项，专业人士可以通过选择模型、设置参数等方式，对其“悉心照顾”，使其训练出更高效、更智能的点云分类AI。
自定义深度学习分类模型训练操作
结语
在深度学习+人工智能为潮流的时代，您不仅可以体验各行各业功能丰富的AI，更能训练出自己的专属AI，解放双手、提高工作效率。
欢迎使用LiDAR360“自定义深度学习分类”功能！如需申请LiDAR360试用码，请关注“数字绿土”官方微信公众号，点击“线上互动——软件试用”；如需LiDAR360月度、年度订阅，请前往数字绿土微信商城。感谢您对数字绿土的关注！