点云的各种数据结构（体素、点等）
点云数据结构主要用于表示三维空间中的点集。在计算机图形学、计算机视觉、机器人学等领域有着广泛的应用。以下是一些常见的点云数据结构：
- 直接点云：这是最基本的表示形式，直接将三维坐标 (x, y, z) 存储在一个数组或列表中。通常会包含额外的信息，如法向量、颜色、强度等。
- 体素网格（Voxel Grid）：将三维空间划分为规则的网格，每个网格单元（体素）中包含点云的一部分信息。体素通常用于降低点云的分辨率和噪声水平。
- 八叉树（Octree）：是一种空间分层数据结构，将空间递归地分割为八个子节点。八叉树可以在不损失精度的情况下有效地压缩点云数据，并加速搜索、查询等操作。
- K-d树（k-dimensional tree）：是一种二叉树结构，将点云在k维空间中进行分割。K-d树主要用于最近邻搜索、范围查询等计算密集型任务。
- 球面坐标系：将点云从笛卡尔坐标系转换为球面坐标系，用距离、仰角和方位角表示每个点。这种表示方法在某些应用场景下更加直观。
- 顶点连接表（Connected Vertex List）：这种结构表示了点云中相邻顶点之间的连接关系。通过索引或指针来连接顶点，从而减小存储空间需求。
这些数据结构在不同的应用场景和需求下有各自的优缺点。实际应用中，可能会根据特定需求和性能要求选择或组合这些数据结构。
