3D视觉CV界的终极体现形式，计算机如何「看」这个三维世界

点云的数据量庞大，需要专门的数据存储库进行显示和保存。例如，一张 640 x 480 尺寸的深度图就可以转换为大约三十万个空间点的点云，大的点云可达百万甚至千万以上，这时专门用来进行点云的读写、处理等各种操作数据存储库就显得非常重要。

PCL（Point Cloud Library）库支持跨平台存储，可以在 Windows、Linux、macOS、iOS、Android 上部署。可应用于计算资源有限或者内存有限的应用场景，是一个大型跨平台开源 C++ 编程库，它实现了大量点云相关的通用算法和高效数据结构，其基于以下第三方库：Boost、Eigen、FLANN、VTK、CUDA、OpenNI、Qhull，实现点云相关的获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等操作，非常方便移动端开发。

此处的 common 指的是点云数据的类型，包括 XYZ、XYZC、XYZN、XYZG 等很多类型点云。可以看出，低层次的点云处理主要包括滤波（filters）、关键点（keypoints）、边缘检测。点云的中层次处理则是特征描述（feature）、分割（segmention）与分类。高层次处理包括配准（registration）、识别（recognition）。

除了 PCL 库以外，VCG 库（Visulization and Computer Graphics Libary）是专门为处理三角网格而设计的，该库很大，且提供了许多先进的处理网格的功能，以及比较少的点云处理功能。

CGAL（Computational Geometry Algorithms Library）计算几何算法库，设计目标是以 C++ 库的形式，提供方便、高效、可靠的几何算法，其实现了很多处理点云以及处理网格的算法。

Open3D 是一个可以支持 3D 数据处理软件快速开发的开源库。支持快速开发处理 3D 数据的软件。Open3D 前端在 C++ 和 Python 中公开了一组精心选择的数据结构和算法。后端经过高度优化，并设置为并行化。Open3D 是从一开始就开发出来的，带有很少的、经过仔细考虑的依赖项。它可以在不同的平台上设置，并且可以从源代码进行最小的编译。代码干净，样式一致，并通过清晰的代码审查机制进行维护。在点云、网格、rgbd 数据上都有支持。

本文是针对 3D 视觉的总结性文章，介绍了几个比较重要的知识点，希望可以在一定程度上帮助大家更深刻地理解 3D 视觉。在接下来的文章中，我们将继续介绍 3D 视觉领域算法的实现。

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!