点云数据处理合集（二）点云数据处理

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