Python点云处理（五）点云特征点/关键点提取算法（上）

0 简述

上一篇介绍了几种常见的点云下采样算法，这些算法得到的点云都不会强化特征，因为其计算原理要么是随机要么是根据格网或半径方式。

点云关键点提取是指从一个点云数据集中提取出一些重要的点，以便用于后续的点云分析和处理。
在点云处理中，关键点通常包括高曲率点、边缘点、拐角点等。这些点具有重要的特征信息，可以用于描述点云的局部形状和结构。
点云关键点提取的方法主要有两种：基于特征的方法和基于密度的方法。
基于特征的方法是利用点云中的曲率、表面法向量等特征来提取关键点，而基于密度的方法则是通过计算点云中每个点周围的密度来提取关键点。
在实际应用中，点云关键点提取通常是点云处理的第一步，它可以用于点云配准、建模、分割等各种应用场景。对于不同的应用场景和需求，需要选择适合的关键点提取方法和参数。

本篇先介绍基于曲率和密度的特征点提取实现方法，下一篇介绍比较经典的ISS关键点和harris关键点的实现方法

---

1 基于密度的点云关键点提取

首先根据点云k邻域范围内的邻域点间距来代表局部点云密度：

import open3d as o3d