结束目标跟踪的研究，返回课题后，下一个面临的是点云数据的处理。 该博客主要介绍三维计算机视觉中点云数据处理面临的问题、主要方法和技术，并概述其特点。 该博客主要介绍最基本的点云数据处理技术和概念，没有代码。
ICP点云配准是我们熟知的点云处理算法之一。 实际上，点云数据广泛应用于形状检测和分类、立体视觉、运动恢复结构、多视图重建。 点云的保存、压缩、渲染等问题也是研究的热点。 随着点云采集设备的普及、双目立体视觉技术、VR和AR的发展，点云数据处理技术成为最有前景的技术之一。 PCL是三维点云数据处理领域必备的工具和基本技能，本博客也将大致介绍。
三维点云数据处理技术
1 .点云滤波(数据预处理)
点云滤波，顾名思义，就是消除干扰。 原始点云数据通常包含许多散列点和孤立点。 例如，下图是滤波前后点云效果的比较。
点云滤波的主要方法是双边滤波、hpdbh滤波、条件滤波、直通滤波、随机采样匹配滤波、VoxelGrid滤波等，这些算法
2 .点云关键点
二维图像中，已知有Harris、SIFT、SURF、KAZE这样的重要点提取算法，这样的特征点的想法可以在三维空间中推广。 技术上，密钥的数量与原始点云和图像的数据量相比大大减少，经常与局部特征描述符相结合构成密钥描述符来形成原始数据的表示，而且不失去代表性和描述性，提高了后续的识别、跟踪等数据处理速度
典型的三维点云关键点提取算法包括ISS3D、Harris3D、NARF和SIFT3D
这些算法在PCL库中实现，其中NARF算法多为博主见过的。
3 .特征和特点说明
要描述三维点云，仅有点云的位置是不够的，常常需要计算其他参数，例如法线方向、曲率和文理特征。 与图像的特性一样，必须使用类似的方法描述三维点云的特性。
常见的特征描述算法包括法线和曲率计算、模态分析、PFH、FPFH、3D Shape Context、Spin Image等。
PFH :点特征直方图描述符，FPFH :交叉苏点特征直方图描述符，FPFH是PFH的简化形式。 这里不提供具体的说明。 具体细节去谷歌吧。
4 .点云配准
点云配准的概念与二维图像中的配准也很相似，但二维图像配准得到的是x、y、alpha、beta等辐射变化参数，二维点云配准是三维点云的移动及其仿真，即旋转通常表示为43的矩阵，其中33是旋转矩阵，1*3是平移向量，严格来说是6个参数，因为旋转矩阵也可以通过jpdhl变换变换为1*3的旋转向量。
常见的点云定位算法有正太分布变换和著名的ICP点云定位两种，还有许多其他算法，列举如下。
ICP :稳健的ICP、point to plane ICP、point to line ICP、MBICP、GICP
NDT 3D，多层NDT
FPCS、KFPSC、SAC-IA
线段匹配，ICL
5 .点云分割与分类
点云的分割和分类也是一大Topic，但这里因为一维多所以与二维图像相比问题多，点云分割可以分为区域提取、线面提取、语义分割和聚类等。 同样是分割问题，点云的分割有太广的一面，确实用几句话是说不清楚的。 只能照字面理解，遇到具体问题再具体分类。 一般来说，点云分割是目标识别的基础。
分割：区域声场、Ransac线面提取、NDT-RANSAC、K-Means、Normalize Cut、3D Hough Transform、连通分析
分类：按点分类、按分割分类、监督分类和非监督分类
6 .贫民窟地图优化
SLAM还是一个较大的Topic，在SLAM技术中，图像前端主要获取点云数据，后端的优化主要依赖于图优化工具。 SLAM技术近年来的发展也改变了这一技术战略。 传统的经典策略常常使用g2o工具进行图表优化，以求解LandMark和Location并将其转换为稀疏图表优化。 介绍几个常见的工具和方法。
g2o、LUM、ELCH、Toro、SPA
SLAM方法： ICP、MBICP、IDC、likehood Field、Cross Correlation和NDT
7 .目标识别搜索
这是点云数据处理中的一个偏应用层面的问题，简而言之Hausdorff距离常用于深度图的目标识别和检索，目前许多三维人脸识别都是利用该技术进行的。
8 .变化检测
在无序点云连续变化过程中，八叉树算法常常被用来检测变化，该算法需要与关键点提取技术相结合，八叉树
算法也算是经典中的经典了。9. 三维重建
我们获取到的点云数据都是一个个孤立的点，如何从一个个孤立的点得到整个曲面呢，这就是三维重建的topic。
在玩kinectFusion时候，如果我们不懂，会发现曲面渐渐变平缓，这就是重建算法不断迭代的效果。我们采集到的点云是充满噪声和孤立点的，三维重建算法为了重构出曲面，常常要应对这种噪声，获得看上去很舒服的曲面。
常用的三维重建算法和技术有：
泊松重建、Delauary triangulatoins
表面重建，人体重建，建筑物重建，输入重建
实时重建：重建纸杯或者龙作物4D生长台式，人体姿势识别，表情识别
10. 点云数据管理
点云压缩，点云索引(KDtree、Octree)，点云LOD(金字塔)，海量点云的渲染
PCL库简介
点云数据处理中，不仅涉及前段数据的输入，中间数据和处理，还涉及到后端点云的渲染显示，如果这些函数都要我们亲自来实现，那么开发效率必然受到极大影响。在点云数据处理领域，有一个不可或缺的助手：PCL (Point Cloud Library)。PCL在点云数据处理中的地位犹如OpenCV在图像处理领域的地位，如果你接触三维点云数据处理，那么PCL将大大简化你的开发。
推荐PCL点云库入门教程：PCL点云库