三维点云处理技术四：三维点云数据处理基础
来源：睿慕课《三维点云处理技术和深度学习在三维点云处理中的应用》
PCL介绍
点云(Point Cloud)是离散点的集合，不仅包括三维点的位置信息，有时也包含点的材质反射信息和RGB信息，广泛应用于机器人抓取、识别、定位与运动规划中。PLC库是专门的处理点云运算的库，类似于图像中的opencv库。
PCL点云数据结构
1，C++ 的PCL库点云数据结构：采用SSE对齐方式，既满足存储的要求，也满足便于高效运算的要求，并采用模板来满足不同数据格式的要求。
2，ROS中PCL数据结构
3，pcd文件中点云存取
拓展：ros PCL与c++下PCL的点云数据可以进行转换：
PCL中点云数据格式之间的转换
PCL特性
PCL模板库
PCL处理一般流程
点云获取–>体素化(下采样)–>特征提取(如法向量等)–>随机采样聚类分割–>构建凸包–>地面/桌面去除–>欧氏距离分割。
点云滤波方法
参考博文：
【PCL笔记】Filtering 点云滤波
从零开始一起学习SLAM | 给点云加个滤网
常见点云滤波方法
体素滤波器：
统计滤波器
点云组织形式与最近邻搜索
参考博文：
PCL学习八叉树
kd-tree理论以及在PCL 中的代码的实现
八叉树
八叉树的构建
八叉树的应用：
PCL中构建八叉树
KD Tree
概念与构建
KD Tree多用于K近邻搜索，之后利用邻域计算该点的特征向量，如法向量等。
点云分割、拟合、聚类方法
分割拟合
利用RANSAC拟合直线、面、球、圆柱等
PCL分割拟合函数
欧几里得聚类
区域生长算法
语义分割
语义分割多用了稠密的RGBD点云数据。