PCL点云特征小结

1. PCL viewer

用来可视化三维点云或者得到的二维图像，详见官方教程

2. 点云数据格式

2.1 Introduction

点云基础的类型类似一个vector，每个元素表示一个多维的点信息（坐标，Normal，RGB，Intensity 等等）。

2.2 优化的格式

2.2.1 KD-tree

k-d tree decomposition for the point set : (2,3), (5,4), (9,6), (4,7), (8,1), (7,2)。(来自维基)

2.2.2 Octree 八叉树

用来在三维的情况规划点云数据，目的和kd-tree一致。

2.2.3 优点

如果单纯的使用vector来搜索邻近的点，那么需要对整个数列做穷举。对大量点云的数据来说，这个过程极其耗费时间与资源。但是如果用类似上述的特殊数据结构，那么对邻近点的搜索就变得非常的简单优美了。

3. 特征点的描述

算法	全局性	适用情况
PFH（point feature histograms）	局部特征
手机	$12
导管	$1

3.1 PFH（point feature histograms）

• 查询点$P_q$, 去半径为r的球其中有k个点的临域。
• 计算临域中每对点的关系图（如上图所示）