高斯金字塔与拉普拉斯金字塔：点云的特征提取与重建

点云是由大量的三维点坐标组成的数据集，广泛应用于计算机视觉和计算机图形学领域。在点云处理中，特征提取和重建是两个重要的任务。高斯金字塔和拉普拉斯金字塔是常用的方法之一，用于在不同尺度上对点云进行分析和重建。本文将详细介绍高斯金字塔和拉普拉斯金字塔的原理，并提供相应的源代码示例。

一、高斯金字塔
高斯金字塔是通过对点云进行多尺度下采样得到的一系列图像金字塔。下采样过程中使用的滤波器是高斯核函数，通过卷积运算对原始点云进行平滑处理和降采样。高斯金字塔的构建包括以下步骤：

1. 定义高斯核函数
   高斯核函数是一种常用的线性平滑滤波器，可以通过指定标准差来调节平滑程度。在点云处理中，我们可以使用高斯核函数对点云进行平滑处理。以下是一个简单的高斯核函数定义的示例代码：

   import numpy as np
   
   def gaussian_kernel(size, sigma):
       kernel = np.fromfunction(