三维点云分割

点云分割的难点：数据的冗余；点密度的不均匀性；在数据结构表示上，缺乏明确统一的点云数据结构

点云分割算法：
第一步通常是分离背景点，e.g.常见的地面点和非地面点
基础性的分割算法：通过点云的基本属性，法向，粗糙度，边界凹凸度等。这类算法常用于凸包分解，分水岭算法，分层聚类，区域生长和光谱聚类。这些算法广泛的应用于基于区域的分割算法。
在计算机视觉领域，对于2D图像的分割算法中，比较突出的算法是图割算法，包括：正则化图割和最小割

点云分割算法应该具备三个属性：
分割算法应考虑到不同地物块的具体属性；
应推断出相邻分割块的属性关系；
应适用于不同扫描仪获得的点云数据；

基于点云的分割算法分类：
基于边界的分割算法(edge based methods)
基于区域的分割算法(region based methods)
基于属性的分割算法(attributes based methods)
基于模型的分割算法(model based methods)
基于图割的分割算法(graph based methods)

点云学习框架：
学习首先从点云经典分割、分类算法开始，然后进一步拓展到目标探测与变化检测中。在学习的过程中要求：
不仅掌握该分支的发展历程，每个历程中的典型的算法原理，以及算法的代码实现，可用现在的开源算法代码再加上自己的配置改进等。
注意：一定得做到广泛阅读相应的文献，然后自己思考总结，最后动手实践，如果有创新的idea出现，再好不过了！！
来自：https://blog.csdn.net/mixiaoxinmiss/article/details/78196964

其他相关资源：
基于传统方法点云分割以及PCL中分割模块

the differences between segmentation and classification:
segmentation is the process of grouping point clouds into multiple homogeneous regions with similar properties whereas classification is the step that labels these regions. (Grilli, et al., 2017, a review of point cloud segmentation and classification algorithms)