PCL入门系列二——PCL学习路线图

写在前面
走了再久也不要忘记出发的目的。

学习PCL的目的是什么？从应用的层面来说，可能是用来处理点云的校准、分类或分割等任务，或是研究改进其中的一种算法，抑或是与其它的系统整合，如ROS（机器人操作系统）等进行整合应用。在学习PCL之前，本节先对学习路径做出简单规划。
一、目标的详细阐述与分解
“学会PCL。”这是一句相对空洞的口号。现在开始以点云的特征提取为目标，加上限定词，让目标变得具体。

• “学会用PCL抽取点云的特征。”
• “学会用PCL抽取点云特征，并进行可视化。”
• “学会用PCL抽取点云特征，处理目标分类问题，并进行可视化。”
• “学会用GPU加速使用PCL抽取点云特征，处理目标分类，目标分割问题，并进行可视化。”

那么暂且就把阶段性目标定为
“学会用GPU加速使用PCL抽取点云特征，处理目标分类，目标分割问题，并进行可视化。”

二、路线图
学习过程可以分为如下模块：

• 基本的数据结构
• 基本数据类型
• 文件读写
• 点云的特征构造
• 运用点云特征进行目标分类与目标分割
• 使用GPU对过程进行加速
• 可视化
  后续的教程将会按模块陆续介绍上述内容。