【点云处理】基于深度学习模型的不同处理方式

前言

点云数据由无序的数据点构成的一个集合；点与点之间是具有空间关系的；点云数据所代表的目标对某些空间转换应该具有不变性，如旋转和平移。 

点云数据处理方式，通常有：将点云数据投影到二维平面（多视图法）、将点云数据划分到有空间依赖关系的voxel（体素法）、直接在点云数据上应用深度学习模型（点云法）。

目录

一、点云数据特点

1.1 无序

1.2 点与点之间的空间关系

1.3 不变性

二、点云数据处理方式

2.1 将点云数据投影到二维平面（多视图法）

2.2 将点云数据划分到有空间依赖关系的voxel（体素法）

2.3 直接在点云数据上应用深度学习模型（点云法）

---

一、点云数据特点

点云数据是在欧式空间下的点的一个子集，它具有以下三个特征：无序、点与点之间的空间关系、空间转换不变性。

1.1 无序

点云数据是一个集合，对数据的顺序是不敏感的。这使得处理点云数据的模型需要对数据的不同排列保持不变性。

为什么说点云数据是无序的？？先看下图：