1.怎么去找点云里面每一个点的法向量
什么是法向量呢？
如果能用一个曲面去拟合数据
应用：
目标检测
分割
怎么找法向量呢（其实是PCA的一个应用，找的是最没用的向量）
所谓最没用的点，言外之意就是数据投影在这些向量上面数据为0
具体操作步骤：
1.先选取一个点，我们想要找他的法向量
2.然后找这个点的邻域，因为只有确定了邻域我们才能知道这个点的法向量嘛
3.选出邻域以后在邻域里面的这些点做PCA
4.然后选取的法向量其实是最不显著的向量，也就是特征值最小的特征向量
5.曲率：
找到一个平面，使得能与这个平面拟合的点投影到平面的法向量上的投影和最小
一个向量跟一个向量的乘积其实就是一个向量在另一个向量上的投影
怎么选邻域？
如果邻域半径非常大，估算出来的法向量会相对比较平滑，如果是非常精细的结构，那所求的法向量不太准确。
如果邻域非常小，可以比较精确地描述小范围，也会收到zhaosheng的影响
如果点云带颜色的，或者反射率，但选颜色一样的作为邻域
有一个第四节课会说到的RANSAC
深度学习
带加权的法向量运算
凡是不知道怎么做的事情，就凡事丢给神经网络
Scale 就是做了三层
小的特征感知域比较小
大的特征感知域比较大
感知域一个特征点或一个结果，一个scale越大，能看到的东西越多
点云里的法向量估计也可以用deep learning去做
滤波
应用广泛
·噪声去除
使场景变得更为干净
·降采样
例如一开始有一千个点描述一个场景，但实际上我用一百个点就可以描述了，将一千个点变为一百个点的过程就是降采样。
保存对象特征的同时减少点的运算
·上采样
没有的东西我们把它创造出来
就是估算，比较少用
原文：https://www.cnblogs.com/isadoraytwwt/p/12714457.html