3D点云基础知识(一)-初始入门-知乎整理（一）

本文基于如下知乎文章，调整部分内容整理输出，一为梳理基础知识，二为致敬原作。

作者：Mr.苍雪
链接：https://zhuanlan.zhihu.com/p/344635951
来源：知乎
3D点云基础知识 - 知乎

1. 3D图像描述
2. RGB-D
3. 点云
4. 何为点云？
5. 点云的获取
6. 点云的内容
7. 点云的属性
8. 点云目前的主要存储格式包括：pts、LAS、PCD、.xyz 和. pcap 等
9. 相应基础算法库对不同格式的支持
10. 三维点云有多种表示方法
11. 相比于图像数据,点云不直接包含空间结构,因此点云的深度模型必须解决三个主要问题
12. DataSets
13. Metric
14. 基于点云的分类
15. 基于点云的分割
16. 基于点云的目标检测
17. 点云数据的增强和完整化

三维图像是在二维彩色图像的基础上又多了一个维度，即深度（Depth，D），可用一个很直观的公式表示为：

三维图像 = 普通的 RGB 三通道彩色图像 + Depth Map。

1、3D图像描述：

• 第一种分法：
  • 多边形网格
  • 基于体素的描述
  • 点云
  • 隐式表面
  • 基于视图的描述
• 第二种分法：
  • 深度图像（depth images）
  • 点云
  • 网格（meshes）
  • 体积网格（volumetric grids）

2、RGB-D

RGB-D 是广泛使用的 3D 格式，其图像每个像素都有四个属性：即红（R）、绿（G）、蓝（B）和深度（D）。

在一般的基于像素的图像中，我们可以通过（x，y）坐标定位任何像素，分别获得三种颜色属性（R，G，B）。而在 RGB-D 图像中，每个（x，y）坐标将对应于四个属性（深度 D，R，G，B）。

3、点云

我们在做 3D 视觉的时候，处理的主要是点云，点云就是一些点的集合。相对于图像，点云有其不可替代的优势——深度，也就是说三维点云直接提供了三维空间的数据，而图像则需要通过透视几何来反推三维数据。

4、何为点云？

• 其实点云是某个坐标系下的点的数据集。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的，从左上角到右下角排列，当然其中有一些无效点。有序点云按顺序排列，可以很容易的找到它的相邻点信息。有序点云在某些处理的时候还是很便利的，但是很多情况下是无法获取有序点云的。
  • 无序点云：无序点云就是其中的点的集合，点排列之间没有任何顺序，点的顺序交换后没有任何影响。是比较普遍的点云形式，有序点云也可看做无序点云来处理。

5、点云表示的优点：

• 点云表示保留了三维空间中原始的几何信息，不进行离散化

6、点云当前面临的挑战：

• 数据集规模小
• 高维性
• 3维点云的非建构化特性

7、点云的获取：

• 点云不是通过普通的相机拍摄得到的，一般是通过三维成像传感器获得，比如双目相机、三维扫描仪、RGB-D 相机等。
• 目前主流的 RGB-D 相机有微软的 Kinect 系列、Intel 的 realsense 系列、structure sensor（需结合 iPad 使用）等。
• 点云可通过扫描的 RGB-D 图像，以及扫描相机的内在参数创建点云，方法是通过相机校准，使用相机内在参数计算真实世界的点（x，y，z）。
• 因此，RGB-D 图像是网格对齐的图像，而点云则是更稀疏的结构。此外，获得点云的较好方法还包括 LiDAR 激光探测与测量，主要通过星载、机载和地面三种方式获取。

8、点云的内容：

• 根据激光测量原理得到的点云，包括三维坐标（XYZ）和激光反射强度（Intensity），强度信息与目标的表面材质、粗糙度、入射角方向以及仪器的发射能量、激光波长有关。
• 根据摄影测量原理得到的点云，包括三维坐标（XYZ）和颜色信息（RGB）。
• 结合激光测量和摄影测量原理得到点云，包括三维坐标（XYZ）、激光反射强度（Intensity）和颜色信息（RGB）。

9、点云的属性：

• 空间分辨率、点位精度、表面法向量等。
• 点云可以表达物体的空间轮廓和具体位置，我们能看到街道、房屋的形状，物体距离摄像机的距离也是可知的；
• 其次，点云本身和视角无关，可以任意旋转，从不同角度和方向