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

SSE优化

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。