三維電腦視覺（一）--點雲處理綜述

轉自： http://www.cnblogs.com/ironstark/p/4996929.html 點雲模型與三維資訊　

　　三維映像是一種特殊的資訊表達形式，其特徵是表達的空間中三個維度資料。和二維映像相比，三維映像藉助第三個維度資訊，可以實現天然的物體-背景解耦。除此之外，對於視覺測量來說，物體的二維資訊往往隨射影方式而變化，但其三維特徵對不同測量方式具有更好的統一性。與相片不同，三維映像時對一類資訊的統稱，資訊還需要有具體的表現形式。其表現形式包括：深度圖（以灰階表達物體與相機的距離），幾何模型（由CAD軟體建立），點雲模型（所有逆向工程裝置都將物體採樣成點雲）。可見，點雲資料是最為常見也是最基礎的3D 模型。點雲模型往往由測量直接得到，每個點對應一個測量點，未經過其他處理手段，故包含了最大的資訊量。然而，這些資訊隱藏在點雲中需要以其他提取手段將其萃取出來，提取點雲中資訊的過程則為三維影像處理。 點雲處理的三個層次

　　與影像處理類似，點雲處理也存在不同層次的處理方式。或者說，根據任務的需求，需要組合不同的處理方式，而這些處理在過程上有先後之分。Marr將影像處理分為三個層次，低層次包括映像強化，濾波，邊緣檢測等基本操作。中層次包括連通域標記(label)，映像分割等操作。高層次包括物體識別，情境分析等操作。工程中的任務往往需要用到多個層次的影像處理手段，在傳統的影像處理方法中（傳統就是不包括CNN神經網路和大資料集），影像處理的過程需要遞增的使用不同層次影像處理來完成任務。

　　PCL官網對點雲處理方法給出了較為明晰的層次劃分，如圖所示。

　　此處的common指的是點雲資料的類型，包括XYZ,XYZC,XYZN,XYZG等很多類型點雲，歸根結底，最重要的資訊還是包含在point<pcl::point::xyz>中。可以看出，低層次的點雲處理主要包括濾波(filters)，關鍵點(keypoints),分割(segmention)。分別對應影像處理中的濾波，邊緣檢測，分割。顯然，在影像處理中還是中層次的分割操作，由於點雲的特性被簡化到了低層次的水平，本質上與濾波和關鍵點提取難度相當了。點雲的中層次處理則是特徵描述(feature)。高層次處理包括配准(registration)，識別（recognition）。可見，點雲在分割的難易程度上比影像處理更有優勢。準確的分割也為識別打好了基礎。