一、点云滤波
原始点云包含过多噪点和冗余点，滤波和采样往往是点云预处理的必要步骤
1.滤波
2.采样
二、邻近搜索
如何组织点云快速获取当前点邻域范围，是面对海量点云保证处理速度的重要前提
3.KD树与八叉树
基于kdtree树的邻近点搜索
搜索圆柱形邻域点云
根据索引提取点云
KD树应用----平均点密度计算
从点云构建八叉树（点云体素化）
从体素网格构建八叉树（可视化八叉树）
八叉树应用----平均点密度计算
去除重复点
两片点云间的最小/最大距离
两片点云间的公共重叠点
4.规则格网
5.三角网
三、地面分类
地面分类是数据生产流程中的首要工作，为后续DEM等产品提供点云基础
四、文件读写
多种格式的点云文件读写，是日常处理点云数据的程序编写基础
读写并显示PCD点云文件
读写并显示PLY点云文件
读写并显示TXT点云文件
五、对象分割
相比点、线、等基元的局部性，面向对象的点云处理逐步成为主流，而对象的获取深受分割精度的影响
6.随机采样一致（RANSAC）
7.聚类生长（RG）
8.最小二乘（LSM）
9.凸包 \ 轮廓（BOUNDARY）
10.轮廓（BOUNDARY）
五、空间几何
如何依靠数学规则建立离散点云之间的关系，常规的几何计算是日常点云处理的必备手段和基础常识
不规则点云体积计算
点云沿坐标轴最值计算
点云质心、中心计算方法
AABB包围盒计算与使用
点云等比例缩放
反算点云缩放系数
六、关键特征
对点云局部或者全局特征的准确描述，将深刻影响到点云分割与分类的有效性
七、点云配准
点云配准是多源数据处理的首要工作，是高阶的点云处理手段
八、曲面重建
曲面重建可以用于逆向工程、数据可视化、自动化建模等领域。PCL中目前实现了多种基于点云的曲面重建算法
