PCL—綜述—三維圖像處理

點雲模型與三維信息　

　　三維圖像是一種特殊的信息表達形式，其特徵是表達的空間中三個維度的數據。和二維圖像相比，三維圖像藉助第三個維度的信息，能夠實現自然的物體-背景解耦。除此以外，對於視覺測量來講，物體的二維信息每每隨射影方式而變化，但其三維特徵對不一樣測量方式具備更好的統一性。與相片不一樣，三維圖像時對一類信息的統稱，信息還須要有具體的表現形式。其表現形式包括：深度圖（以灰度表達物體與相機的距離），幾何模型（由CAD軟件創建），點雲模型（全部逆向工程設備都將物體採樣成點雲）。可見，點雲數據是最爲常見也是最基礎的三維模型。點雲模型每每由測量直接獲得，每一個點對應一個測量點，未通過其餘處理手段，故包含了最大的信息量。然而，這些信息隱藏在點雲中須要以其餘提取手段將其萃取出來，提取點雲中信息的過程則爲三維圖像處理。

點雲處理的三個層次

　　與圖像處理相似，點雲處理也存在不一樣層次的處理方式。或者說，根據任務的需求，須要組合不一樣的處理方式，而這些處理在過程上有前後之分。Marr將圖像處理分爲三個層次，低層次包括圖像強化，濾波，邊緣檢測等基本操做。中層次包括連通域標記(label)，圖像分割等操做。高層次包括物體識別，場景分析等操做。工程中的任務每每須要用到多個層次的圖像處理手段，在傳統的圖像處理方法中（傳統就是不包括CNN神經網絡和大數據集），圖像處理的過程須要遞增的使用不一樣層次圖像處理來完成任務。

　　PCL官網對點雲處理方法給出了較爲明晰的層次劃分，如圖所示。

　　此處的common指的是點雲數據的類型，包括XYZ,XYZC,XYZN,XYZG等不少類型點雲，歸根結底，最重要的信息仍是包含在point<pcl::point::xyz>中。能夠看出，低層次的點雲處理主要包括濾波(filters)，關鍵點(keypoints),分割(segmention)。分別對應圖像處理中的濾波，邊緣檢測，分割。顯然，在圖像處理中仍是中層次的分割操做，因爲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至關了。點雲的中層次處理則是特徵描述(feature)。高層次處理包括配準(registration)，識別（recognition）。可見，點雲在分割的難易程度上比圖像處理更有優點。準確的分割也爲識別打好了基礎。