关于点云涉及的相关研究
首先过去几年中，图像的研究有很大的突破，主要取得了很好的结果源自于以下几个关键因素: 1.CNN 2.data->bigger
那么数据也在迅速增长，大有从2D发展到3D的趋势，比如OPencv就有了对3D点云处理的相关模块。点云的获取渠道也有很多，无论是来自哪种传感器。大多数系统直接获取3D点云而不是拍摄图像进行处理。
1.非结构化数据（无网格）：点云则是分布在空间中的XYZ点，没有结构化的网格来帮助CNN滤波器。
2.不变性排列: 点云本质上是一长串点（nx3矩阵，n是指点数）。几何上，点的顺序并不影响它在底层矩阵结构中的表示方式。相同的点，完全可以由两个完全不同的矩阵表示。
3.点云数量上的变化: 图像中，像素的数量是一个给定的常数，取决于相机。然而，点云的数量可能会有很大的变化，这个完全取决于个种传感器。
1.缺少数据: 这个就是说咱们扫描的模型通常被遮挡，部分数据丢失。（occlusion）
2.噪音: 所有传感器都是嘈杂的。有好几类的噪声，包括点云扰动和异常值。就是说一个点有一定的概率位于它被采样的地方附近的某一半径范围之内，或者它可以出现在空间中的任意位置（noisy）
3.旋转：一辆车向左转，同一辆车向右转，则会有不同的点云代表同一辆车。
