浅谈三维点云中的几何语义

点击上方“计算机视觉工坊”，选择“星标”

干货第一时间送达

前言：

本文介绍了点云中不可忽视的一项重要属性——几何语义，并尝试根据自己的理解和实践经验对其进行一些归纳总结，可能有些地方有理解有误，请大家抱着批判的态度学习。

正文：

关于点云的悠久历史本文不过多描述，我们先简单谈谈为什么点云的几何语义对点云来说十分重要（无论传统方法or基于学习的方法）。早期受硬件设备和技术的限制，学者们对点云问题的处理方法有一种思路是将点云转为多张二维图像，然后采用更为可靠的数字图像处理方法，其本质上其实是一种降维处理方式。然而，与2D图像相比，大多数点云是无组织的，在这种无组织的点云中，不存在相邻点之间的空间关系，并且无法通过行列索引数据。因此，在很多情况下，对点云的处理实际上是指利用3D坐标来处理无组织、无颜色的3D点云的方法。而几何语义恰恰与空间坐标有着千丝万缕的关系，这是点云本身固有的属性。

点云处理的核心问题实际上从3D离散点和无序点中推断几何信息。点云的基本几何单位是点，点聚类为簇构成几何语义。几何语义分大致可以为两类：形状集和结构集。如图1所示。

图1 几何语义分类

在图1中，形状集包括像2D线（例如，2D轮廓、直线和曲线），物体表面（例如，平面，曲面）、三维体（例如，立方体和圆柱体等）和3D边界等元素。结构集包括像法线、曲率、超体素、凹凸性和骨架等元素。结构集中的元素看似跟几何没关系却可以归类为几何语义，是因为这些属性可以看做是一种高级语义（即建立在低级语义之上，PS:所以基础真的很重要），这些结构集也可以看作是从形状集派生出来的高级语义。

在形状集中的元素ÿ