三维点云处理-1.1Introduction

一、第一章大纲

1.课程介绍

2.主成分分析（Principal Component Analysis）

3.下采样（Downsampling）

4.过滤（Filtering）

二、

点云表示：N×3矩阵之类

点云来源：RGB-D相机、Lidar

点云用途：人脸识别、三维重建、无人车（目标检测、语义分割）

点云优点：表达三维（其他Mesh、Voxel Grid、Octree）矩阵方便简单

点云缺点：①密度（激光雷达里远处反射点少）②不规则（图像很规整，但点云很难找到邻居）③没有纹理信息（三人成车，跟车背面宽度一样）④无序的（矩阵换行表达同一个，但对深度学习就是不一样Pointnet）⑤旋转（坐标不同但还是同一个，对深度学习挑战）

点云处理方法：

1.传统方法（可控，预期输出）

2.深度学习（黑盒子但好用，简单，物体检测完爆传统方法）

①采集②标注③训练

最后做一些定位 旋转矩阵