初学---open 3D点云

点云：某个坐标系下的点数据集，每个点包括三维坐标X，Y，Z、颜色、分类值、强度值、时间等信息。
储存格式：pts、LAS、PCD、xyz、asc、ply等
Mesh：多边形网格，是计算机图形学中用于各种不规律物体建模的一种数据结构。
储存格式：obj、stl、ply等
数模：三维数字模型是通过三维制作软件通过虚拟三维空间构建出具有三维数据的模型。
储存格式：IGS、part、model、IGES等
总结：三维点云是真实物体表面的离散采样，点云处理就是从点云中提取到我们需要的信息。

采集方式：
激光扫描仪： 星载、 机载、地面、移动
深度相机：通过近红外激光器把具有结构特征的光线投影到物体上红外摄像头采集得到深度信息
双目相机：使用两个相机从不同位置获取物体的两幅图像，利用三角原理 获得点的位置
光学相机多视角重建：多视角采集 然后恢复运动
结构光：结构光设备

常用商用点云处理框架：
Realworks：为点云处理和分析设计而成。该软件提供一套完整的解决方案。可从几乎所有 3D 激光扫描仪引入数据，并进行有效的配准、分析、建模和创建可交付成果。（Trimble）
Cyclone：为工程，测量，建筑和相关应用中的3D激光扫描项目提供最广泛的工作流程选项。（通用功能，Leica）
FARO SCENE：与 FARO Focus 激光扫描仪、Focus Swift 室内移动扫描仪和 Freestyle 2 手持式扫描仪搭配用于数据可视化、管理、去噪和配准。（仪器配套）
ENVI LIDAR：可进行建筑物轮廓提取与三维模型的构建、森林资源调查、完整的通行权分析、电力线和电线杆位置决策等。（自动提取DEM植被等）
Geomagic：Design从 3D 扫描中更快、更准确且更可靠地创建 CAD 模型；Control 3D 质量控制与尺寸检查软件，可让您捕获和处理来自 3D 扫描仪和其他便携式设备的数据，以测量、了解和交流。检测结果，从而确保各个位置的质量。 （工业检测）
PolyWorks：通用的3D尺寸分析和质量控制软件解决方案，控制工具或零件尺寸，判断和避免制造及装配问题。（工业检测）

开源点云处理框架：
PCL： C++编写，有python接口，BSD授权方式，能实现点云相关的获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等，但依赖库太多。（点云）
Open3d：C++编写，有python接口，MIT授权，支持快速开发和处理3D数据。（点云）
CloudCompare： C++编写，GPL授权，可拔插操作，可二次开发，主要针对点云，富有活力，经常更新。（点云）

Meshlab： C++编写， GPL授权，主要针对于模型，重建和过滤，网格简化等。（Mesh）

OCC： OCC是一款开源的三维建模与可视化软件，用C++语言编写。目前在三维地质建模与可视化、机械CAD等方面应用非常广泛。 Step iges brep (数模)

CGAL： 计算几何算法库（CGAL），提供计算几何相关的数据结构和算法，诸如三角剖分（2D约束三角剖分及二维和三维Delaunay三角剖分），Voronoi图（二维和三维的点，2D加权Voronoi图，分割Voronoi图等），多边形（布尔操作，偏置），多面体（布尔运算），曲线整理及其应用，网格生成（二维Delaunay网格生成和三维表面和体积网格生成等），几何处理（表面网格简化，细分和参数化等），凸壳算法（2D，3D和dD），搜索结构（近邻搜索，kd树等），插值，形状分析，拟合，距离等。

点云传统基本算法：

点云深度学习算法：

Open3D:
Open3D 是一个开源库，支持快速开发处理 3D 数据的软件。Open3D
前端公开了一组精心挑选的 C++ 和 Python 数据结构和算法。后端经过
高度优化，并设置为并行化。
其核心特性包括：
• 3D 数据结构
• 3D 数据处理算法
• 场景重建
• 表面对齐
• 3D 可视化
• 基于物理的渲染 (PBR)
• PyTorch 和 TensorFlow 支持 3D 机器学习
• 核心 3D 操作的 GPU 加速
• 在 C++ 和 Python 中可用

目前的实验环境是：
Miniconda、Python 3.8、Pytorch 1.8.1、Cuda 11.1、vs2019
Vscode+python
创建conda环境（换源）：
conda create --name open3d python=3.8
Open3d的安装：
pip install open3d
安装验证：
python -c “import open3d as o3d; print(o3d.version)”

简单学习：