点云（小数点 clouds）是空间中点的数据集，可以表示三维形状或对象，通常由三维扫描仪获取。点云中每个点的位置都由一组勒内·笛卡尔坐标（X,Y,Z）描述，有些点云可能含有色彩信息（R,G,B）或物体反射面强度（Intensity）信息。强度信息是三维激光扫描仪接受装置采集到的回波强度，与目标的表面材质、粗糙度、入射角方向，以及仪器的发射能量和激光波长有关。点云可用来表示连续的三维模型外表面，是逆向工程中通过仪器测量外表的点数据集合。在电脑动画领域，例如皮克斯动画工作室的《玩具总动员3》也使用了点云技术。

点云是在空间中的点的集合，它们记录了与目标表面特性相关的海量点信息。根据激光测量原理得到的点云，包括三维坐标（XYZ）和激光反射强度（Intensity）。根据摄影测量原理得到的点云，包括三维坐标（XYZ）和颜色信息（RGB）。结合激光测量和摄影测量原理得到的点云，包括三维坐标（XYZ）、激光反射强度（Intensity）和颜色信息（RGB）。在获取物体表面每个采样点的空间坐标后，得到的是一个点的集合，称之为“点云”(小数点 Cloud)。点云的格式包括但不限于：*.pts; *.asc; *.dat; *.stl; *.imw；*.xyz。

稀疏点云或密集点云都是逆向造型的基础，有不少专门的逆向软件能够进行点云的编辑和处理，比如imageware、Geomagic、copycad和rapidform等等。逆向工程中，点云数据是通过仪器测量物体外表面而获得的点的集合，这些数据可以用于创建物体的三维数字模型。

当一束激光照射到物体表面时，所反射的激光会携带方位、距离等信息。若将激光束按照某种轨迹进行扫描，便会边扫描边记录到反射的激光点信息，由于扫描极为精细，则能够得到大量的激光点，因而就可形成激光点云。激光点云中的强度信息反映了目标表面的材质、粗糙度、入射角方向，以及扫描仪的发射能量和激光波长等因素的综合影响。

大规模点云的手动注释需要花费大量时间，并且在恶劣的现实世界场景中通常不可用。 受视觉和语言任务中预训练和微调范式取得巨大成功的启发，预训练是获得 3D 点云下游任务的可扩展模型的一种潜在解决方案。 因此，一些方法探索了一种新的自监督学习方法，称为混合和分离 (MD)，用于 3D 点云深度学习。 顾名思义，混合两个输入形状并要求模型学习将输入与混合形状分开。 利用这个重建任务作为自监督学习的借口优化目标。 有两个主要优点：与流行的图像数据集（例如 ImageNet）相比，点云数据集实际上很小。 混合过程可以提供更大的在线训练样本池；另一方面，解耦过程（Disentangle）促使模型挖掘几何先验知识，例如关键点。