1.点云滤波:
检测和移除点云中的噪声或不感兴趣的点
分类:
基于统计信息
基于领域
基于投影
基于信号处理
基于偏微分方程
常用方法:基于体素(voxel grid)、移动平均最小二乘(moving least squares)
2.点云关键点:
比传统点云具有更少的数量
可以进行配准,分类,识别
常用方法:
3D:
ISS、NARF、移动平均最小二乘(moving least squares)
2D:
Harris、SIFT
深度学习方法
3.点云分割:
根据空间、集合等特征将点划分为不同的集合。
常用方法:
基于边缘的方法:变成图像,使用边缘信息
基于区域生长
几何模型拟合:拟合平面、球形、圆柱
4.点云匹配
因为地面点云数据会存在以自身为中心点的坐标,当有两帧或者多帧点云,就可以用来估计这些点云之间的坐标转换信息,将所有帧的点云配准到同一个地理坐标系下。
分类:
初\粗匹配:适用于初始位姿差别大的两帧点云,用少量点匹配
精匹配:优化两帧点云之间的变换,用较多点进行匹配
全局匹配:多帧或者有序列的点云之间匹配,如两帧匹配、全局匹配、激光SLAM
常用方法:
基于ICP(迭代最近点)
基于特征匹配
深度学习匹配
5.目标检测
从点云中检测某类物体
方法:
机器学习、深度学习
6.点云分类/语义分割
为每一个点云分配一个语义标签,例如将点云数据识别为具体地物,树,石头、凳子等。
方法:
机器学习、深度学习
6.模型重建(model reconstruction)
因为点云数据量大,可以将点云抽稀,利用三角网进行显示。目的从点云中获取更精简,更紧凑的模型,如获取MESH 模型。
方法:
Delaunay Mesh Generation、Finite Element Mesh Generation、Marching cubes