一、PCD點云數據存儲格式的進一步認識
（一）PCD點云存儲格式相較于其它存儲格式（如PLY、STL、OBJ、X3D等）的優勢[1]
??????? （1）具有存儲和處理有組織的點云數據集的能力，這對于實時應用和增強現實及機器人等研究領域十分重要；
??????? （2）二進制的mmap/munmap可能是最快加載和存儲數據至磁盤的方式（在實驗中，我發現Linux系統下基于PCL/Open3D庫讀取數據較Windows系統快。后經查閱了解到，二進制格式的點云數據讀取是基于pcl::PointCloud.points array/vector的完全臨時復制。在Linux系統中，為了盡可能最快地讀取數據而采用mmap/munmap操作）；
??????? （3）能夠存儲不同的數據類型（支持所有基礎類型，如char、short、int、float和double）以達到高效處理和存儲復雜的點云數據。無效的點云維度通常被存儲為NAN類型，但自從PCL 1.0.1開始，NAN類型字符被替換為nan表示；
??????? （4）支持n-D直方圖特征描述符，這對三維感知和計算機視覺應用十分重要；
??????? （5）通過控制文件格式，PCD存儲格式可以最好地匹配PCL庫，從而在PCL應用中獲得最高的性能表現。與此同時，PCL應用運行不需要將各類數據格式都作為PCL的基礎格式且不需要耗費額外的時間在數據轉換函數上，以提高時空效率。
（二）PCD文件格式頭解析[1]
??????? PCD文件的格式頭用于識別和表明存儲點云數據的確定屬性，格式頭必須為ASCII編碼且每一個屬性實體被換行符（\n）分隔。值得注意的是，視點位置較為重要，視點將會被用于不同坐標系統之間的轉換或者輔助特征計算（如局部表面法線需要一個不變的視線輔助計算保持一致性，即法線定向[8]）。
??????? （1）VERSION???????????? PCD格式文件的版本號
??????? （2）FIELDS???????????????? 每一維度的特定屬性標識名字
??????? （3）SIZE????????????????????? 每一維數據存儲的字節數（unsigned char/char為1字節；unsigned short/short為2字節；unsigned int/int/float為4字節；double為8字節）
??????? （4）TYPE???????????????????? 每一維度表示字符的數據類型（I-int8（char）/int16（short）/int32（int） U- uint8（unsigned char）/uint16（unsigned short）/uint32（unsigned int） F-float）
??????? （5）COUNT??????? ????????? 一個維度的表示元素數量。默認不表示COUNT情況，其為1
??????? （6）WIDTH??????????????????? 一行記錄的點的數量
??????? （7）HEIGHT??????????????? （有/無組織存儲標記）若無組織存儲為1,否則為點云數據存儲的行數
??????? （8）VIEWPOINT??????????? 點云數據的視點（tx ty tz qw qx qy qz）
??????? （9）POINTS?????????????????? 存儲點云的總體數量（與WIDTH*HEIGHT一致）
??????? （10）DATA???????????????????? 特定數據格式存儲的點云數據
二、基于KDTree的點云結構化組織
??????? 在計算機科學里，k-d樹（k-dimensional tree）是在k維歐幾里德空間組織點的數據結構，是空間二叉樹的一種特殊情況。k-d樹可以使用在多種應用場合，如多維鍵值搜索（如范圍搜索及最鄰近搜索）。k-d樹是每個葉子節點都為k維點的二叉樹，所有非葉子節點可以視作用一個超平面把空間分割成兩個半空間。節點左邊的子樹代表在超平面左邊的點，節點右邊的子樹代表在超平面右邊的點。選擇超平面的方法如下：每個節點都與k維中垂直于超平面的那一維有關[2]。
????????一個三維樹。第一次劃分（紅色）把根節點（白色）劃分成兩個節點，然后它們分別再次被劃分（綠色）為兩個子節點。最后這四個子節點的每一個都被劃分（藍色）為兩個子節點。因為沒有更進一步的劃分，最后得到的八個節點稱為葉子節點，如圖二所示。
三、點云數據的三維格網化/體素化
??????? 體素（Voxel）是體積像素的簡稱。概念上類似二維空間的最小單位—像素，像素用于二維圖像。體積像素一如其名，是數字資料于三維空間分割上的最小單位[4]。點云數據三維格網化通常用于基于體素的深度學習數據預處理、局部相對特征計算以及投影。
四、基于的Octree的點云結構化組織
??????? 八叉樹（Octree）是一種樹形數據結構，每個內部節點都正好有八個子節點。八叉樹常用于分割三維空間，將其遞歸細分為八個卦限。八叉樹是四叉樹在三維空間中的對應，在三維圖形、三維游戲引擎等領域有很多應用。八叉樹的每個節點都可以代表一個空間，對應的八個子節點則將這個空間細分為八個卦限。點域（point region，簡稱PR）八叉樹的節點中都存儲著一個三維點，即該節點對應區域的“中心”，也是八個子節點對應區域中的一個角落。矩陣（matrix based，簡稱MX）八叉樹中，節點只記錄區域范圍，對應的中心點坐標需要從區域范圍推算。因此，PR八叉樹的根節點可以表示無限大的空間；而MX八叉樹的根節點只能表示有限空間，這樣才可以得到隱含的中心點[6]。
參考資料：
[1] The PCD (Point Cloud Data) file format — Point Cloud Library 1.14.0-dev documentation
[2] https://en.wikipedia.org/wiki/K-d_tree
[3] KDTree - Open3D 0.18.0 documentation
[4] https://en.wikipedia.org/wiki/Voxel
[5] Voxelization - Open3D 0.18.0 documentation
[6] https://en.wikipedia.org/wiki/Octree
[7] Octree - Open3D 0.18.0 documentation
[8] Open3D 法線估計(2)——法線定向_open3d法向量定向-CSDN博客
[9] Open3D KDTree的使用_open3d使用kdtree-CSDN博客
[10] Open3D 從點云中構建八叉樹_根據空間點構造八叉樹-CSDN博客
)
)
