点云数据处理的5个步骤

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、

3.特征旁冲誉和特征描述 法线和曲率计算判盯NormalEstimation、特征值分运段析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 NDT 3D、Multil-Layer NDT FPCS、KFPCS

Autodesk ReCap软件是一个独立的应用程序，它可以使通过引用多个索引的扫描文件(RCS)来创建一个点云投影文件(RCP)。该软件默认随AutoCAD 2014一起安装。可以通过Windows开始菜单或从Autodesk ReCap桌面图标中启动它。可以用Autodesk ReCap将扫描文件数据转换成点云格式，使其能在其它产品中查看和编辑。Autodesk ReCap处理大规模的数据集，使你能够聚合扫描文件，并对其进行清理、分类、空间排序、压缩、测量和形象化。由此生成的高速格式就可以被AutoCAD和及其它Autodesk应用程序使用，如Autodesk Revit和Autodesk Inventor软件。

在Autodesk ReCap中，可以通过选择要输入的扫描文件来创建一个新项目。它支持很多流行格式的扫描数据，包括Faro、Leica以及Lidar等等。选择了要输入的扫描文件后，可以调整影响点云尺寸和外观的输入设置。此时导入的文件会被显示在投影屏幕上，可以用多种工具对扫描文件进行 *** 作。

默认(Home)瓷片菜单提供了访问一系列与投影相关的动作。可以将当前的目标投影作为点云投影文件(CRP)保存槐扰或作为点云扫描文件(RCS)导出，两都可以被附加到AutoCAD图形中。可以输入额外的扫描文件到当前投影中或打开另外的投影。参数选择(Preferences)工具可以修改投影设置，帮助(Help)工具提供使用Autodesk ReCap的详细信息。显示工具瓷片菜单提供了分析点云的工具，改变其外观、修改工作区中组件的显示，及指定照明选项。限制盒瓷片菜单提供了与限制盒一起工作的工具，以定义场景中不同的体积。投影导航器瓷片菜单提供了一站式访问扫描区域和个别扫描文件。投影导航器可以一直附着在投影瓷片菜单上，这样使得只有当停留在它之上或 *** 作它时它才处于打开状态。如果想在工作时保持它是打开的，就把它从瓷片菜单中脱离并且把它移动到开启或关闭程序工作区的位置。在Autodesk ReCap创建完点云文件后，或者如果从别李明芹人那里收到文件后，就可以附加该文件到你的AutoCAD图哪毕形中。

三维计算视觉研究内容包括：

（1）三维匹配：两帧或者多帧点云数据之间的匹配，因为激光扫描光束受物体遮挡的原因，不可能通过一次扫描完成对整个物体的三维点云的获取。因此需要从不同的位置和角度对物体进行扫描。三维匹配的目的就是把相邻扫描的点云数据拼接在一起。三维匹配重点关注匹配算法，常用的算法有 最近点迭代算法 ICP 和各种全局匹配算法。

（2）多视图三维重建：计算机视觉中多视图一般利用图像信息，考虑多视几何的一些约束，相关研究目前很火，射影几何和多视图几何是视觉方法的基础。在摄影测量中类似的存在共线方程，光束平差法等研究。这里也将点云的多视匹配放在这里，比如人体的三维重建，点云的多视重建不仅强调逐帧的匹配，还需要考虑不同角度观测如让产生误差累积，因此也存在一个优化或者平差的过程在里面。通常是通过观测形成闭环进行整体平差实现，多视图重建强调整体优化。可以只使用图像，或者点云，也可以两者结合（深度图像）实现。重建的结果通常是Mesh网格。

（3）3D SLAM：点云匹配（最近点迭代算法 ICP、正态分布变换方法 NDT）+位姿图优化（ g2o 、LUM、ELCH、Toro、SPA）；实时3D SLAM算法 （LOAM）；Kalman滤波方法。3D SLAM通常产生3D点云，或者Octree Map。基于视觉（单目、双目、鱼眼相机、深度相机）方法的SLAM，比如orbSLAM，lsdSLAM...

（4）目标识别：无人驾驶汽车中基于激光数据检测场景中的行人、汽车、自行车、以及道路和道路附属设施（行道树、路灯、斑马线等）。

（5）形状检测与分类：点云技术在逆向工程中有很普遍的应用。构建大量的几何模型之后，如何有效的管理，检索是一个很困难的问题。需要对点云液丛（Mesh）模型进行特征描述，分类。根据模型的特征信息进行模型的检索。同时包括如何从场景中检索某类特定的物体，这类方法关注的重点是模型。

（6）语义分类：获取场景点云之后，如何有效的利用闹橡樱点云信息，如何理解点云场景的内容，进行点云的分类很有必要，需要为每个点云进行Labeling。可以分为基于点的方法，基于分割的分类方法。从方法上可以分为基于监督分类的技术或者非监督分类技术，深度学习也是一个很有希望应用的技术。

（7）立体视觉与立体匹配 ZNCC

（8）SFM（运动恢复结构）

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、

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

NDT 3D 、Multil-Layer NDT

FPCS、KFPCS、SAC-IA

Line Segment Matching 、ICL

5、点云分割与分类

分割：区域生长、Ransac线面提取、NDT-RANSAC、

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

6、SLAM图优化

g2o 、LUM、ELCH、Toro、SPA

SLAM方法：ICP、MBICP、IDC、likehood Field、 Cross Correlation 、NDT

7、目标识别、检索

Hausdorff 距离计算（人脸识别）

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 triangulations

表面重建，人体重建，建筑物重建，树木重建。

实时重建：重建植被或者农作物的4D（3D+时间）生长态势；人体姿势识别；表情识别；

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

点云驱动的计算机图形学主要研究应用

http://vcc.szu.edu.cn/research/2015/Points/

---