三维几何描述子(3D Geometry Descriptor)
三维几何描述子是对三维元素的几何表示。这里的元素可以是一个点云，网格，也可以是点云里的一个点，网格里的一个顶点或面。一个好的几何描述子，一般有这些特性：
- 区分性强(Descriptive)：描述子差别大小与几何差别大小正相关。
- 简洁(Concise)
- 可重复计算(Repeatable)：相同或相似的特征在不同区域的计算可以可到相同或相似的结果。
- 这几个特性常常是矛盾的。比如过于简洁的描述子，区分性就不那么强；区分性太强的描述子，抗噪性和可重复计算会比较弱。
几何描述子从构建方式上来看，可以分为两类： - 人工构建：传统的几何描述子，一般通过经验，人工的定义一些局部的几何特性。通常先定义出一个局部坐标架(Local Reference Frame)或者局部坐标轴(Local Reference Axis)，如图所示。然后计算一些局部的几何统计量，比如法线夹角，局部高度分布，局部水平投影分布等。
- 人工构建的描述子，计算比较简单，但是经常需要参数调整。机器学习的方式，通过数据驱动来学习这些参数，适用于某一类具体的应用场景。
三维几何特征(3D Geometry Feature)
三维几何特征，应该具有独特的区分特性。比如脸能够区分不同的人，那么人脸就是很好的一个人的特征。从构建方式上看，几何特征也分为两类：
- 人工构建：可以通过经验或者计算出描述子的分布，人工定义分布概率小的描述子为几何特征。
- 三维几何特征相关的常见应用：
- 三维目标检测，识别：在语音，图像领域，已经有很多相关的研究工作了。可以借鉴其成熟的方法。
- 点云注册：理论上讲，三个点对就可以定义出一个刚体变换。那么是不是找出这三个点对就可以找出注册变换了？在实际生产中，任何依赖特征对应正确性的方法，都是不稳定的。几何特征一般用于缩小正确点对的搜索范围，而不是直接用于寻找正确点对。
