深蓝学院 三维点云课程（带资料，百度网盘下载）

先说清楚：这门课不适合赶进度的人

三维点云是个容易让人产生挫败感的方向。它不像调个 API 那样当天就能看到结果，前面几讲你甚至会觉得「这些数学跟我以后写代码有什么关系」。深蓝学院这套点云课程整体是按课堂讲授的节奏走的，线性、成体系，但一节视频里塞的信息量不小，尤其是滤波、配准、分割这几块，听一遍能懂个六七成就算正常。所以这篇导读不打算告诉你「学完能拿多少薪资」，只帮你判断：哪些先看、哪些可以放、资料怎么用才不至于囤着吃灰。

前几讲别跳，但也不用抠到每个公式都会推

课程开头会交代点云的数据组织形式、常见采集来源，以及坐标系和变换这些底层概念。这部分看起来基础，却决定了你后面读代码时会不会一头雾水——比如为什么同一个旋转矩阵在配准和建图里写法不一样。建议的做法是：概念的来龙去脉要听懂，具体到某个推导步骤卡住了，可以先标记跳过，带着疑问往后走。真正需要你动手推的场景很少，多数时候你要的是「知道这一步在干什么」。

如果你完全没有线性代数和概率的基础，前面会难受一点。这不是劝退，而是提醒你预留更多时间，或者找一份简单的矩阵变换笔记放在旁边随时翻。

中间这几块是主干，按顺序啃

滤波与降采样、特征描述、配准（ICP 及其变体）、分割与聚类，基本构成了点云处理的主干流程。这几讲建议老老实实按顺序来，因为后面的配准会用到前面的特征，分割又常依赖配准后的结果。一个实用的节奏是：每看完两到三讲，就自己找一份点云数据跑一遍对应步骤，哪怕只是把降采样前后的点数量对比出来，也比纯看视频强很多。

配准那部分大概率是第一个卡点。迭代、初值、收敛条件这些概念堆在一起，第一遍听不懂非常正常。可以先把原理听一遍，动手跑通一个简单例子，再回头补细节。

哪些章节可以先放一放

课程里偏应用扩展、偏特定场景的章节，如果你当前的目标只是建立整体认知，完全可以先跳过。判断标准很简单：这一讲的内容，你手头有没有能对应上的数据或任务。没有的话，看了也记不住。把这些章节留着，等你真正遇到相关需求时再回来翻，反而吸收得更好。

另外，深度学习方法在点云上的应用那部分，如果你还没有深度学习基础，建议不要硬啃，先把传统方法这条线走完。

配套资料怎么配合练习

• 笔记用来复盘，不要用来代替看课。看课之后隔一两天再翻笔记，效果比边看边抄好。
• 资料里的数据尽量自己跑一遍，哪怕只是可视化出来看看，比只读代码强。
• 不要一次下载完所有东西就放着。按当前进度取用，用完再看下一批。
• 卡住超过半小时的问题，先记下来继续往后走，很多疑问会在后续章节自然解开。

这门课不会让你两周就脱胎换骨。给自己留出两三个月的零碎时间，能跑通几个小流程、看得懂别人的点云代码，就已经是实实在在的进步了。

深蓝学院 三维点云课程（带资料，百度网盘下载）

课程推荐

《深蓝学院 三维点云课程（带资料，百度网盘下载）》深蓝学院 三维点云课程（带资料，百度网盘下载）【技能收获】学完可掌握：核心实战技能、项目驱动学习。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。

视频目录（47 节）

*   │  │      Screenrecorder-2020-04-29-20-57-33-661.mp4

*   │  │      20200620_215937.mp4

*   │  │      第三章代码讲解.mp4

*   │  │      第九次课讲解.mp4

*   │  │      Screenrecorder-2020-05-11-20-06-37-164.mp4

*   │  │      simplescreenrecorder-2020-06-06_22.37.46.mp4

*   │  │      第八次课.mp4

*   │  │      simplescreenrecorder-2020-06-06_22.52.41.mp4

*   │          simplescreenrecorder-2020-05-23_23.36.13.mp4

*   │      1-Introduction.mp4

*   │      2-PCA.mp4

*   │      3-kernel PCA.mp4

*   │      4-.mp4

*   │      2.1_binary_search_tree.mp4

*   │      2.2_KD-tree.mp4

*   │      2.3_Octree.mp4

*   │      3.1math prerequisite.mp4

*   │      3.2K-means.mp4

*   │      3.3GMM.mp4

*   │      3.4EM.mp4

*   │      3.5Spectral clustering.mp4

*   │      4.1 spectral clusterig.mp4

*   │      4.2meanshift&dbcan.mp4

*   │      4.3least_square.mp4

*   │      4.4 houg tranform.mp4

*   │      4.5 ransac.mp4

*   │      5.1 deep learning introduction.mp4

*   │      5.2pointnet.mp4

*   │      5.3pointnet++.mp4

*   │      6.1introduction.mp4

*   │      6.2image-based object detection.mp4

*   │      6.3voxelnet&pointillar.mp4

*   │      6.4pointRCNN.mp4

*   │      6.5pointcloud&image fusion.mp4

*   │      7.1 introduction && harris 2d.mp4

*   │      7.2 harris 3d.mp4

*   │      7.3 ISS.mp4

*   │      7.4 USIP.mp4

*   │      7.5 SO-NET.mp4

*   │      8.1 PFH&&FPFH.mp4

*   │      8.2 SHOT.mp4

*   │      8.3 3D_match&&perfect_match .mp4

*   │      8.4 PPFNet &&PPF_folder .mp4

*           9.1 ICP_1.mp4

*           9.2ICP_2.mp4

*           9.3ndt.mp4

*           9.4ransac.mp4

配套笔记（15 份 PDF）

*   │  │      0429三维点云处理第一章作业讲评.pdf

*   │  │      第七章作业讲评.pdf

*   │  │      三维点云处理-第二次作业讲评V2.pdf

*   │  │      第五章作业讲评_v2.pdf

*   │  │      三维点云处理第六章作业讲评20200606.pdf

*   │          0523三维点云处理第四章作业讲评.pdf

*   │      6-（ppt）PointCloudLecture1v4.0.pdf

*   │      PointCloudLecture2v3.0.pdf

*   │      PointCloudLecture3Clustering.pdf

*   │      pointcloudLecture4Clustering&Modelfitting.pdf

*   │      PointCloudLecture5DeepLearningwithPointClouds.pdf

*   │      PointCloudLecture6.pdf

*   │      PointCloudLecture7-ld-2020.5.21.pdf

*   │      PointCloudLecture8-ld-2020.5.23.pdf

*           PointCloudLecture9.pdf