去年年底整理电脑里的 PDF 时，发现自己陆陆续续存了几十篇点云方向的论文，散落在不同文件夹里，有的只看过摘要，有的标注了“待精读”，还有几篇是组会分享后就再也没打开过的。趁着项目交接的空档，我花了两周时间把“点云多个任务”这条主轴上的论文重新过了一遍，按任务类型、方法脉络、可复现程度重新归类，顺便把每一篇在对应任务里到底解决了什么问题、遗留了什么短板，都记在了一张总表上。这篇文章就是这次整理的核心产出：不是简单的论文列表，而是整理过程中沉淀下来的分类框架、阅读顺序、任务间的关联，以及踩过的一些坑。
如果你正在入门点云方向，或者已经做了段时间但论文读得比较散，这篇文章可以帮你省下不少时间。我按“感知、几何、生成”三大桶把所有点云任务统在了一起，再在每桶内部拆出主流子任务和代表思路。最后还会分享我自己的“一页纸阅读模板”和几只容易误导新手的常见陷阱。
1. 几十篇点云论文，先按“感知、几何、生成”三桶归类
点云领域的论文动辄上百篇，如果直接按年份一篇篇读，很容易陷入“读完就忘、串不起来”的状态。我这次整理的第一步，不是打开 PDF，而是先在白板上画了一张三维空间里的任务地图：所有点云相关的工作，最终都服务于“感知”“几何”“生成”三件事之一。
所谓感知，就是回答“场景里有什么、东西在哪”。分类、语义分割、实例分割、目标检测、跟踪，全归在这一桶。所谓几何，就是回答“物体和场景长什么样、部件之间怎么拼”。配准、重建、补全、法向估计、关键点提取，归在第二桶。所谓生成，则是回答“如果没有输入，能不能从分布里凭空造一个合理点云”，包括基于点云的自编码器、生成对抗网络、扩散模型，以及最近很火的条件生成。
这个分法不一定完美，但非常实用。好处在于，它能让你在读一篇论文时第一眼就明确目标：它是在提取特征做判别，还是在估计位姿做对齐，还是在拟合分布做采样。目标明确了，后续看网络结构、损失函数、评价指标，都会有的放矢。
三桶之间的边界实际上存在不少重叠。比如点云补全既涉及几何重建（要恢复缺失的表面），也涉及感知（要知道缺的是椅背还是桌面）；配准里的特征学习，靠的又是分类任务的骨干网络。边界模糊不是坏事，反而说明任务之间共享了同一套底层几何表示能力。我整理的几十篇论文里，至少有五六篇是跨桶工作的，这类论文通常被引用得最多，因为它们打通了不同任务之间的方法迁移。
在正式开始推荐阅读路径前，我先说一个重要的整理原则：不要用“年份顺序”当索引，要用“任务逻辑”。年份顺序适合追踪技术演变，但不利于建立知识结构。我建议先按三桶分，再在每个桶内按“经典思路—改进思路—新范式”排列，这样历史上看起来跳跃的连续想法，就变成了一条平滑的演进线。
1.1 为什么这个分类能容纳绝大多数工作
你可能担心，某些细分方向是不是装不进这三桶。实测下来是能装下的。比如点云下采样、体素化这类“预处理操作”，表面上不属于任何任务，但它们的本质是为后续的感知或几何任务服务，可以挂在对应任务的技术基础里。点云压缩、传输是偏工程的方向，不过如果从“学习点云分布”的角度看，它们和生成任务共享大量思想，比如自编码器结构、熵编码、潜空间建模。
我把这个框架称为“一轴三桶”。横轴是任务管线：输入点云 → 预处理 → 特征提取 → 任务头 → 输出。纵轴是三桶任务类型。整理论文时，把每篇论文先放到横轴的正确位置，再打上纵轴的任务标签，检索和对比会变得异常轻松。
1.2 三桶之间的边界与重叠
接缝处的论文特别值得注意。比如有一类工作做的是“场景级点云的语义引导补全”，它同时调用了感知桶里分割网络的语义标签和几何桶里补全网络的形状先验，要理解它，你必须同时掌握两个桶的核心方法。我列的整理表里专门加了一列“跨桶标记”，把这些论文标出来，提醒自己读的时候思维要铺开，不要局限在单一任务里。
2. 分割与检测类论文：骨干网络、稀疏卷积与标签稀缺的共性问题
感知桶是几十篇论文里最拥挤的一块，尤其语义分割和三维目标检测。我把这一桶的论文再细成三层：数据表示层、骨干网络层、任务头层。数据表示层解决的是一个最基本的问题：点云是无序、稀疏、密度不均的几何数据，怎么把它变成神经网络能吃的东西。
在这个问题上，主流思路大体分成三条路线。第一条是“投影路线”，把三维点云投影成二维视图——俯视图、前视图、柱面图——再用成熟的二维卷积处理。它天然适配自动驾驶场景，因为地面是平的，物体的高度信息可以压缩到高度通道里。第二条是“体素路线”，把点云量化进规整的三维网格，再用三维稀疏卷积提取特征。这条路的优势是保留了三维几何结构，缺点是体素分辨率直接决定精度和显存消耗，很多论文都在这个平衡点上做文章。第三条是“点路线”，直接在原始点上通过共享 MLP 或者核函数卷积做特征提取，感觉得最“纯粹”，但工程化相对难。
这三条路线对应着我整理的那批论文里最大的分歧点：到底哪个才是点云感知的最优表示。我的结论是：没有最优，只有最适合。室内精细分割任务，点路线的代表方法表现更细腻；室外大规模自动驾驶目标检测，投影和体素路线在速度和内存上更可控；混合路线逐步成为默认选择，因为不同任务头对特征的抽象层级要求不一样。
2.1 从“感受野”看三大骨干路线的取舍
读分割和检测论文时，我最推荐先看一个核心概念：感受野。点云是离散的，每个点的局部邻居怎么定义？K近邻要选多少个点？体素网格下感受野受卷积核尺寸限制还是受膨胀率限制？投影视图下感受野又和深度值有关？几乎每一篇骨干网络论文，本质上都在调整感受野的计算方式。
比如稀疏卷积网络为什么能流行起来，根本原因是它在三维体素空间里实现了类似于二维卷积的层级感受野，同时通过活跃位置的哈希表避开了无效计算。它的代价是体素化带来的量化误差：离得近但分属两个体素的点，关系可能被切断。与之相对，点距离卷积的方法，比如核点卷积这类思路，感受野是连续球形的，理论上不受网格约束，但工程实现时的邻域搜索开销又上来了。
不过，骨干网络之外，我真正想强调的是分割和检测论文里反复出现但经常被读者忽略的一个共同痛点：标签稀缺和长尾分布。
2.2 长尾分布：几十篇论文中最容易忽略的共同痛点
语义分割数据集里的常见类别占了大半标注样本，小物体和罕见类别样本数少；三维目标检测里的行人、骑行者和特殊车辆类，和普通轿车相比几乎可以忽略。整理这批论文时我发现，单纯刷高整体精度的论文，多数靠头部类别撑场；真正解决工程落地问题的论文，会把重心放到尾部类别的召回率上。
有的论文通过类别重加权来解决，简单但容易导致头部类别过拟合；有的用数据增强和场景拼接来补足尾部样本；还有的引入半监督或伪标签，用少量标注+海量未标注点云来缓解标注稀缺。你会发现，这些解法其实超越了单纯的任务模型设计，需要的是系统级的思考。这也是为什么我会建议读者读感知类论文时，不要只盯着网络结构图，一定要看实验部分的类别精度表格，最好列出基类与新类分组的对比。
3. 配准与重建类论文：几何先验如何被逐层攻破
几何桶的论文数量也不少，但脉络比感知桶清晰得多。尤其是点云配准这条线，几乎是从迭代最近点迭代到现在的一整套学习式流程。我刚整理时还能按年份清楚地分成三代：经典优化时代、深度特征时代、端到端姿态时代。
经典迭代最近点及其变体最大的问题，是初始位置敏感和噪声敏感，论文里大量篇幅在研究如何选点对、如何剔除误匹配、如何加权。深度特征时代的思路则聪明得多：先用网络对每个点提取一个高维描述子，把两点云的匹配问题转成特征空间里的最近邻问题，再用稳健估计器求位姿。这样一来，绕开了迭代最近点里反复迭代的局部优化，抗干扰能力也强了很多。
端到端姿态估计则走得更远，直接输入两片点云，输出变换参数，中间过程完全交给网络隐式建模。这类方法的理想很丰满，但实际复现时对训练数据的要求很高，而且要保证旋转等变性和平移不变性并不容易。我的经验是，落地时选深度特征时代的方法最稳，端到端方法适合研究但不一定适合直接接进现有系统里。
3.1 迭代最近点 之外，学习式对应关系到底改进了什么
我在这批论文里最深的感触是：学习式配准并不是完全抛弃迭代最近点，更多的是把迭代最近点里最难设计的手工特征换成可学习的特征。原来需要人工指定的几何描述子，比如曲率、法向夹角、快速点特征直方图之类，现在全都变成通过训练数据隐式学出来的高维向量。
但这也带来一个反直觉的结论：深度配准方法的性能，很大程度上取决于训练集的场景分布。如果测试场景和训练场景差异很大，比如训练都是室内桌面物体，测试却变成室外街区扫描，那么学习式特征的泛化能力会明显弱于传统几何描述子。这一点论文里很少明确写，但我在复现时体会很深。所以整理几何桶论文时，我特意把每个方法对数据分布的要求记录了下来，方便后续选型。
3.2 三维重建从显式网格走向隐式场的两条路线
重建这条线是这次整理中前后思想反转最多的地方。早年的重建工作偏显式：先做表面重建（比如泊松重建），或者做多视角立体匹配生成深度图，再融合成网格。显式表达直截了当，但中间任何一步的误差都会累积到最终网格上，尤其在边界和弱纹理区域非常明显。
后来大量论文转向隐式场表达，不再直接生成网格，而是训练一个函数去判断空间任意点是在物体内部还是外部，提取等值面时需要再走一趟行进立方体。这条路的最大优势是能处理任意拓扑，对噪声更加鲁棒；但代价是推理阶段必须密集采样，计算量和内存开销是显式的几倍甚至几十倍。
点云重建中还派生出了语义重建这样一个新方向：不仅重建几何，还要给每个表面贴上语义标签。它把感知桶的语义分割和几何桶的重建结合起来，是我认为接下来很有潜力的研究方向。如果你打算找课题，可以让几何重建的隐式场输出通道同时预测一个语义概率，不只做二元占据判断，这类工作可挖掘的空间还很大。
4. 点云补全与生成：从“填洞”到“给后验分布”的演进
生成桶是这次整理里进步最快、也最容易让新手看花眼的一块。点云补全和点云生成，本质上都在解决同一个问题：给定前提条件，预测一个合理的完整点云分布。不同之处在于，补全的前提是部分观测；生成的前提可能是类别标签、文本描述，或者什么都没有。
我按时间线把这类论文分成了三个阶段。第一阶段是确定性补全：输入部分点云，输出唯一完整形状，多数方法用编码器提取全局特征，再通过解码器生成粗糙点云，最后用折叠操作或逐点偏移上采样到高分辨率。确定性的好处是结果稳定，但致命短板是“平均形状陷阱”：因为有多个合理的补全结果，而模型被监督信号逼着去拟合平均，输出就会变得过平滑，锐利边界和细节全部消失。
第二阶段是概率补全：不再输出一个确定性形状，而是通过条件生成模型采样多个合理补全结果。早期用条件生成对抗网络，训练不稳定，模式坍塌严重。后来有人借鉴变分自动编码器的思路，把部分点云编码成潜变量分布，再从潜变量中采样解码。这类方法能生成多样结果，但生成质量和计算复杂度之间的平衡一直不好把握。
第三阶段就是扩散模型了。扩散模型天然适合点云补全，因为它的去噪过程可以看作从噪声逐步塑造成点云的迭代过程，正好对应从粗到细的形状重建。整理时我数了一下，最近一年有相当比例的点云生成论文都在扩散模型这条路上，但换来的是训练和推理成本的大幅上涨。老牌生成对抗网络方法在速度和可控性上仍然有优势，不适合一棒子打死。
4.1 确定性补全的局限：为什么 L2 距离会让手指消失
补全论文里最经典的一个失败案例，就是补全一个残缺的手部模型时，手指常常会被抹平或消失。根因很简单：模型用倒角距离或推土机距离这类度量做监督训练，当训练集里存在多个合理补全结果时，网络学到的是这些合理结果的平均，而平均折中的结果当然是平滑的、没有细节的。
读这部分论文时，我有一个非常深刻的体会：损失函数不仅仅影响训练速度，它直接决定了输出的“性格”。如果你在做一个面向工程的产品，希望补全结果尽可能保细节，那么纯倒角距离的确定性模型很难满足你，必须考虑加入对抗损失或者结构约束。如果你只是做系统前处理，只关心后续配准和重建不受影响，那么确定性补全的稳定输出其实已经够了。
4.2 生成式方法如何绕过“平均形状”陷阱
生成式方法绕过平均陷阱的核心，在于引入随机变量。网络不再是输入到输出的单射函数，而是学习一个条件分布，推理时可以多次采样。比如变分自动编码器类的思路，约束潜变量服从先验分布，采样时在潜空间里加噪声，从而让输出在合理范围内波动。又比如扩散模型，把补全过程拆成很多个去噪步骤，每一步都引入噪声估计，最终结果是在保持整体结构前提下的多样生成。
不过多样化不是免费的。我在整理时发现，阅读生成类论文必须重点看它们的评价指标：多样性和保真度往往是矛盾的两个方向，只看多样性指标反而会输出一堆结构错乱的形状。很多论文会用一个叫“覆盖度”的指标衡量生成样本是否覆盖真实形状分布，还会用一个叫“最小匹配距离”的指标衡量最坏情况下的保真度。我建议任何想做点云生成研究的人，一定要把这两个指标一起看，而不是只看平均值。
5. 整理过程中的三个实操体会与避坑笔记
几十篇论文整理下来，除了内容吸收本身，我还在“如何读、如何记、如何验证”这几个流程层面积累了不少经验。愿意写出来，是因为我发现很多同行包括以前的我自己，在论文阅读上最大的浪费不是时间，而是读过之后没有办法系统调用，没过多久就忘了这篇解决了什么问题、用了什么数据、为什么这样设计。
5.1 看论文前先画“任务—数据—评价指标”三角
我的习惯是，拿到一篇新论文，先不看摘要，直接翻实验设置，在卡片上记下任务类型、数据集、评价指标这三角关系。比如一篇语义分割论文，用的是室内 RGB-D 扫描数据还是自动驾驶点云，评价指标是平均交并比还是总体精度，会得出完全不同的结论。先把三角填好，你再看方法，就会自动问“这个设计在室内场景有效，换到室外还有效吗？这个提升是通过哪个类别拉起来的？”
这张三角卡片也是后续横向对比的基础。几十篇论文摊开时，我可以用表格快速筛选：哪些论文用了同一数据集，哪些论文在同样指标上有提升，哪些论文额外加了数据增强就超过别人。没有三角关系的记录，这种横向对比根本做不起来。
5.2 复现实验结果时最重要的一条质量控制
整理过程中我把几篇关键论文的代码跑了一遍，最大的坑是“随机种子与数据划分不一致”。有些论文在补充材料里写了随机种子，有些则完全没提。同样的网络结构，用不同种子跑三次，平均交并比的波动可以达到几个百分点，这个幅度比论文里的某些改进量还大。
所以我的建议是：如果你要复现对比，先在同一份代码框架里把基线模型跑三遍取均值和方差，再跑改进方法。千万不要拿论文里的参考值和自己跑的数值直接比，那样比出来的“提升”很可能是噪声。整理论文时我专门加了一列“是否提供官方代码”“是否指定随机种子”“测评时是否多次运行”，用来评估结果可信度。这算是我十几篇复现经历里最重要的一条质量控制。
5.3 用“一页纸模板”维护几十篇论文的阅读记录
最后分享一个非常具体、可抄作业的小工具：我的“一页纸论文模板”。每次精读一篇，我会在一页笔记里填六项内容：一句话问题定义、任务桶与跨桶标记、数据与指标、方法核心路径（输入到输出怎么走）、和最近相关工作相比的增量是什么、存在的短板与我可能的改进思路。这六项写满，一篇论文才算是真正消化。
几十篇下来，我还给它们建了一个总表，纵向是论文编号，横向是上述六项字段加一个“可复现等级”。整理完毕后再看这个总表，我会发现很多孤立单篇能串成知识链，比如某几篇论文都源于同一个表示方法，只是换到不同任务上做适配；又比如某个任务近年的进展，其实是借鉴了隔壁任务的损失函数。这种“串链”能力，是我认为整理数十篇论文最大的价值所在。
经常有人问我，读点云论文到底应该从哪一篇开始。按我自己这次重新整理的经验，不是在某个经典模型上死磕，而是先把任务地图画好，再按“感知—几何—生成”三桶依次填充。每一桶挑两到三篇最经典的读透，其余论文按增量式理解快速过，最后再用一页纸模板和总表把零散知识沉淀下来。这套流程走完，你手里的就不是几十篇孤立的 PDF，而是一张能指导选题、能辅助实验设计、也能在面试和组会时被灵活调用的知识网络。
