点云数据处理

  1. 点云滤波方法（数据预处理）：
    双边滤波、高斯滤波、条件滤波、直通滤波、随机采样一致性滤波、VoxelGrid
  2. 关键点
    ISS3D、Harris3D、NARF、SIFT3D、均匀采样、曲率方法采样
  3. 特征和特征描述
    法线和曲率计算、NormalEstimation、特征值分析Eigen-Analysis、EGI、PFH、FPFH、3D Shape Context、 Spin Image
  4. 点云匹配
    ICP、稳健ICP、point to plane ICP、point to line ICP、MBICP、GICP、NICP
  5. 点云分割与语义分类
    分割：区域生长、八叉树区域生长、K-Means、Normalize Cut（Context based）、3D Hough Transform（线、面提取）、连通分析
    分类：基于点的分类、基于分割的分类；监督分类与非监督分类
    目前基于深度学习的点云语义分类：PointNet、OctNet etc。
  6. SLAM图优化
    Ceres（Google的最小二乘优化库，很强大）、g2o、LUM、ELCH
    SLAM方法：ICP、MBICP、IDC、likelihood Field、Cross Correlation、NDT
  7. 目标识别、检索
    Hausdorff距离计算、Graph Matching
  8. 变化检测
    基于八叉树的变化检测
  9. 三维重建
    泊松重建、Delaunay triangulation
    表面重建、人体重建、建筑物重建、树木重建
    结构化重建：不是简单的构建一个Mesh网格，而是为场景进行分割，为场景结构赋予语义信息。场景结构有层次之分，在几何层次就是点线面等几何图元。
  10. 点云数据管理
    点云压缩、点云索引（KD、Octree）、点云LOD（金字塔）、海量点云的渲染
    在这里插入图片描述
版权声明：本文为qq_41731507原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接和本声明。