PCL备忘

最近愁着发论文，点子巨多，但是第一次出现了点子万万代码少少的情况，虽然图像的各种底层算法已经比较熟悉，但是怎样把他们结合到能量函数中是一个很大的问题，说白了还是因为自己是个数学渣吧，只好从最简单的统计分析和机器学习基本原理开始从头一步步的来做，不过在过程中发现了各种好玩的东西，比如说这个PCL，以前看到是Library还以为只是一个接口，结果一看其实是一个很多财团支持的大型项目，它的很多思想不仅仅切合了3d本身的重建，适应了现在捕捉设备的发展，个人觉得在多维空间中也可以发挥很大的作用，大数据中的特征提取相信也可以使用库中的东西，现在正在了解阶段，先把网站上的东西理解一下：http://www.pointclouds.org/about/

什么是PCL？

Point CloudLibrary(PCL)是一个大规模的开源2d/3d图像和点云处理项目。PCL的框架包括了大量最先进的算法，包括滤波、特征估计、表面重建、模型注册、模型匹配还有分割。这些算法可以被使用在诸如从噪声数据中过滤奇异点，拼合3D点云、分割场景的相关部分、提取关键点、还有基于几何表现计算描述子来识别物体，还有从点云创建可视化表面。

       因为基于BSD3条款，PCL是可以免费用于商业和研究的。

PCL是一个跨平台的可以成功在Linux、MacOS还有Windows和Android/iOS上面编译和开发的项目。为了简化开发，PCL可以被分割为一系列小的代码库，它们都能够被单独编译。这种模块化对于减少计算量和缩小尺度约束是非常重要的，另一个角度来理解PCL可以用一个类似C++的Boost库的图形，下面是一个例子：

PCL的研发方是谁？

    这个就不一一罗列了，各种华丽丽，各种土豪

什么是点云（Point Cloud）？

点云是一个用来表达多维点的数据结构集合，通常是三维的数据，在一个3D的点云中，点通常是通过在集合坐标系中的底层采样表面产生。当色彩数据加入的时候，点云就会变成4D的

点云能够通过诸如立体相机、飞行时间相机等的硬件传感器得到，也可以通过计算机程序综合产生，PCL对OpenNI的3D接口提供了本地支持，所以它能够得到和处理诸如PrimeSensor、MicrosoftKinect或者AsusXTionPRO等设备的数据。