点云数据处理

1. 点云滤波方法（数据预处理）：
   双边滤波、高斯滤波、条件滤波、直通滤波、随机采样一致性滤波、VoxelGrid
2. 关键点
   ISS3D、Harris3D、NARF、SIFT3D、均匀采样、曲率方法采样
3. 特征和特征描述
   法线和曲率计算、NormalEstimation、特征值分析Eigen-Analysis、EGI、PFH、FPFH、3D Shape Context、 Spin Image
4. 点云匹配
   ICP、稳健ICP、point to plane ICP、point to line ICP、MBICP、GICP、NICP
5. 点云分割与语义分类
   分割：区域生长、八叉树区域生长、K-Means、Normalize Cut（Context based）、3D Hough Transform（线、面提取）、连通分析
   分类：基于点的分类、基于分割的分类；监督分类与非监督分类
   目前基于深度学习的点云语义分类：PointNet、OctNet etc。
6. SLAM图优化
   Ceres（Google的最小二乘优化库，很强大）、g2o、LUM、ELCH
   SLAM方法：ICP、MBICP、IDC、likelihood Field、Cross Correlation、NDT
7. 目标识别、检索
   Hausdorff距离计算、Graph Matching
8. 变化检测
   基于八叉树的变化检测
9. 三维重建
   泊松重建、Delaunay triangulation
   表面重建、人体重建、建筑物重建、树木重建
   结构化重建：不是简单的构建一个Mesh网格，而是为场景进行分割，为场景结构赋予语义信息。场景结构有层次之分，在几何层次就是点线面等几何图元。
10. 点云数据管理
    点云压缩、点云索引（KD、Octree）、点云LOD（金字塔）、海量点云的渲染