点云处理学习笔记（一）-- 点云概述及PCL

一、点云模型和三维信息

       对于视觉测量而言，物体的二维信息随视角的变化，其投影也会发生变化，但是三维图像对于不同的测量方式具有更好的统一性，通过加入第三个维度，可以很好地实现物体与背景的解耦。三维图像信息其表现形式包括：深度图（以灰度表示物体与相机的距离）、几何模型（由CAD软件建立）以及点云模型（所有逆向工程都将物体采样成点云）。点云模型由直接测量获得，每一个点对应一个测量点，这些未经过处理的点包含了大量未经处理的信息，因此需要通过三维图像处理的手段将这些信息提取出来。

二、点云处理的方式

       PCL(Point Cloud Library)官网提供了大量的开源模型库，包括滤波（filters）、特征提取（features）、关键点提取（keypoints）、点云配准（registration）、k-d树（kdtree）、八叉树（octree）、实例分割（segmentation）、采样一致（sample-consensus）、表面处理（surface）、识别（recognition）、输入输出设备（io）和可视化处理（visualization）。

       点云中的低层次操作包括：滤波、关键点和分割；中层次处理则是特征描述；高层次操作包括点云配准和识别。