【点云】《Deep learning-based 3D point cloud classification: A systematic survey and outlook》

基于深度学习的点云语义分割发展年表

点云获取方式：Lidar激光探测、通过3D模型计算获取点云、通过2D图像进行3D重建
体素的特点：体素擅长表示非均匀填充的规则采样空间，因此，体素可以有效地表示点云数据有很多空的或均匀填充的空间。通过对点云数据进行体素化，有利于提高数据计算效率，减少对随机存储器的访问，但点云数据体素化不可避免地会带来一定程度的信息损失

点云数据的存储形式

最大区别在于使用ASCII还是二进制
Obj：obj格式的点云文件由Wavefront Technologies开发。它是一个文本文件。它是一种简单的数据格式，仅表示3D数据的几何、法线、颜色和纹理信息。这种格式通常以ASCII表示，但也有专有的obj二进制版本
Las：las格式主要用于存储Lidar点云数据，本质上是一种二进制格式文件。 Las文件由三部分组成：头文件区（包括点总数、数据范围、每个点的维度信息）、变长记录区（包括坐标系、额外维度等）、点集记录区域（包括点坐标信息、R、G、B信息、分类信息、强度信息等）
Ply：ply的全称是Polygon File Format，专门用于存储3D数据。Ply使用名义上平坦的多边形列表来表示对象，可以存储包括颜色、透明度、表面法向量、纹理坐标和数据置信度等信息。该文件有两个版本：ASCII版本和二进制版本
E57：E57 是用于点云存储的供应商中立文件格式。它还可用于存储由激光扫描仪和其他 3D 成像系统生成的图像和元数据信息
PCD：PCD是点云库官方指定格式。 它由两部分组成：头文件和点云数据。用于描述点云的整体信息。它有两种数据存储类型，ASCII和二进制，但PCD文件的头文件必须使用ASCII编码，PCD 的一个很好的好处是它可以很好地适应PCL，从而与PCL应用程序相比具有最高的性能

直接-特征聚合的详细划分-局部特征聚合和全局特征聚合

之前《A Review of Deep Learning-Based Semantic Segmentation for Point Cloud》里面提到的直接分割里所有的全都是局部特征聚合，只不过在局部里的细分方法不同
Point Transformer：点云直接作为Transformer的输入，提取全局特征并用SortNet提取局部特征并根据感兴趣程度进行排序，之后将两特征关联起来

各点云算法在不同数据集上的准确率表现：