随着点云采集工具的普及，点云技术已成为最有发展前景的技术之一。目前3D点云技术已在自动驾驶、勘探测绘、虚拟世界等领域应用广泛，成为计算机视觉发展的推进器。

点云数据是坐标系下点的数据集，由激光雷达等3D扫描设备获取空间若干点信息，如位置信息、颜色信息与强度信息等，因此点云数据是一种多维度的复杂数据集合，在组成特点上可分为两种，一种是有序点云，一种是无序点云。

对于2D图像数据，3D点云有其不可替代的优势——深度。3D点云直接提供三维空间的数据，包括几何、形状与尺度信息，且不易受光照强度变化和其它物体遮挡等影响，而图像则需要通过透视几何来反推三维数据。

3D点云数据处理方法也是视觉处理的重要一环。其中原始激光点云数据滤波(数据预处理)利用PCLA点云库对原始数据进行噪声过滤、数据密度调整；点云分割利用每条射线的点云分布对其进行地面与非地面的分割，包括区域提取、线面提取及语义分割等；目标聚类基于非地面分割点云数据进行欧氏距离度量聚类；目标跟踪利用欧式聚类对检测结果进行多目标跟踪。因此，3D点云能够很好地了解机器的周围环境，极大提高定位的精确度，深度还原物体在空间中的形状、姿态及位置等信息，这是仅仅依赖一副图像工作的二维技术难以完成的。

目前3D点云主要的工具有单目相机、双目相机、多线激光雷达，其利用RGB、RGB-D图像与激光点云，在三维空间中观测物体长宽高及偏转角度等信息。单目相机利用多任务网络(神经网络)检测车道线和场景中的目标物体，利用高低分辨率结合的多通道特征图更好的融合图像细节与整体信息；双目相机有两个摄像机，在利用视觉差直接测量物体与车的距离后仍需按照单目相机类似的工作原理进行目标识别；多线激光基于3D点云定位，利用激光反射进行全方位厘米级的高精度测距，其在障碍物轨迹检测、高精度电子地图定位与制图等方向发挥着重要作用。