点云处理
常用工具： Point Cloud Library Open3D
-
Truncated Signed Distance Field (TSDF)
-
Pose Graph
-
点云滤波（数据预处理）
- 点云滤波的主要方法有：双边滤波、高斯滤波、条件滤波、直通滤波、随机采样一致滤波、VoxelGrid滤波等
-
点云关键点
- 常见的三维点云关键点提取算法有一下几种：ISS3D、Harris3D、NARF、SIFT3D
-
特征和特征描述
- 常用的特征描述算法有：法线和曲率计算、特征值分析、PFH、FPFH、3D Shape Context、Spin Image等。 PFH：点特征直方图描述子； FPFH：跨苏点特征直方图描述子，FPFH是PFH的简化形式。
-
点云配准
- 常用的点云配准算法有两种：正态分布变换和著名的ICP点云配准，此外还有许多其它算法，列举如下： ICP：稳健ICP、point to plane ICP、point to line ICP、MBICP、GICP NDT 3D、Multil-Layer NDT FPCS、KFPSC、SAC-IA Line Segment Matching、ICL
-
点云分割与分类
- **点云分割又分为区域提取、线面提取、语义分割与聚类等。**一般说来，点云分割是目标识别的基础。 **分割：**区域声场、Ransac线面提取、NDT-RANSAC、K-Means、Normalize Cut、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
-
SLAM图优化 下面是一些常用的工具和方法：g2o、LUM、ELCH、Toro、SPA SLAM方法：ICP、MBICP、IDC、likehood Field、 Cross Correlation、NDT
-
目标识别检索 Hausdorff距离常被用来进行深度图的目标识别和检索，现在很多三维人脸识别都是采用这种技术。
-
变化检测 当无序点云在连续变化中，八叉树算法常常被用于检测变化，这种算法需要和关键点提取技术结合起来，八叉树算法也算是经典中的经典了。
-
三维重建
- 泊松重建、Delauary triangulatoins
- 表面重建，人体重建，建筑物重建，输入重建
- 实时重建：重建纸杯或者龙作物4D生长台式，人体姿势识别，表情识别
-
点云数据管理
- 主要包含以下几方面：点云压缩，点云索引（KDtree、Octree），点云LOD（金字塔），海量点云的渲染。