《PointNet:Depp Learning on Points Sets for 3D Classification and Segmentation》一文是点云作为输入进行神经网络学习的开山之作，在如今有关点云深度学习的研究中占据半壁江山，其以及其改进版本常被用于特征提取器应用于各个方向。众所周知，点云是具有无序性的。所以希望我们无论点云的输入顺
C5 Segmentation and fitting of point Clouds/第5章 点云的分割与拟合5.2 Fitting of point cloud data—5.2 点云数据的拟合点云的分割解决的是将在同一个特征的点聚集起来，那么如何来描述这些特征？点云的拟合指的是从离散激光点的坐标计算特征模型参数的过程，也就是利用分割后的数据将这个点云群的特征描述出来。稳健估计的概念是什么？这
前言Open3D是目前python中可用的用于 3D 数据处理的现代库，可以对点云、网格等三维数据进行读取、采样、配准、可视化等操作。其中对点云等三维模型进行可视化的功能在Python中显得非常方便。在通过对官方文档的研究之后作者发现在Open3D的多种可视化函数中出现了返回所选点的信息的命令，将代码跑通后就有了这篇三维物体可视化交互的文章，希望诸位能通过这篇文章获取一些新的思路。开发环境 pyt
