【深度学习初探】Day32 - 三维点云数据基础

【深度学习初探】Day32 - 三维点云数据基础

---

---

        我们在做 3D 视觉的时候，处理的主要是点云，点云相较于图像有着不可替代的优势，也就是深度值，三维点云直接提供了三维空间的数据，而不需要像二维图像那样通过透视几何反推三维数据。

一、点云的定义

        点云是某个坐标系下的点的集合。这些点包含了丰富的信息，包括三维坐标 X，Y，Z、颜色、分类值、强度值、时间等等。点云在组成特点上分为两种，一种是有序点云，一种是无序点云。

• 有序点云：一般由深度图还原的点云，有序点云按照图方阵一行一行从左上角到右下角排列，其中还会有一些无效点。有序点云按顺序排列，很容易找到它的相邻点信息，在某些处理下还是比较便利的，但是获取有序点云难度很大，在很多情况下是无法获取的。
• 无序点云：无序点云更为常见和普遍，它就是点的集合，点的排列之间无任何顺序，点顺序交换后也不会有任何影响。

二、点云的获取

        见 Day31 。

三、点云的属性

        点云可以表达物体的空间轮廓和具体位置，它本身和视角无关，可以任意旋转，从任何角度和方向观察，不同的点云只要在同一个坐标系下，就可以直接融合。

四、点云的存储格式

        点云存储格式有很多，主要有：pts、LAS、PCD、.xyz 、.pcap 等。

4.1 pts