以点云为主体，提供两个方向自由选择：
- 传统图形学点云处理
- 深度学习下的点云处理
点云，三维空间中的数据，例如二维空间下的数据是由像素组成的图像，三维空间下的数据就是由空间中的点组成的点云。
传统点云处理
根据点云处理库的教程学习实现以下任务
- 可视化点云
- 点云体素下采样
- 点云滤波
- 点云变换
- 顶点法向估计
- 点云表面重建
Open3D [Intel 2018]
Intel 2018年提出的现代化的3D点云处理工具库。
特性：
- 支持Python，配置容易上手简单。也支持C++
- 英文文档教程
- 支持机器学习 TensorFlow 和 PyTorch
PCL
老牌传统点云处理库
特性：
- 仅支持C++，配置使用更繁杂
- 发展久，点云算法涵盖更大更全，教程更加细致也更繁杂，网络资料也更容易找
点云深度学习
使用计图Jittor框架，了解深度学习基础，最后实现几个点云深度学习模型的实验,进行点云的分割、识别、处理等。
计图
清华开源机器学习框架——计图（Jittor）：动态编译,内部使用创新的元算子和统一计算图的深度学习框架， 元算子和Numpy一样易于使用，并且超越Numpy能够实现更复杂更高效的操作。而统一计算图则是融合了静态计算图和动态计算图的诸多优点，在易于使用的同时，提供高性能的优化。
前端语言为Python，类似于PyTorch。后端自动使用CUDA、CPU、GPU。平台：
- Linux(主要)
- Mac
- Windows(Beta，不稳定)
计图库支持的点云深度学习模型：
- PointNet
- PointNet++
- PointCNN
- DGCNN
- PointConv
计图官网教程不多，需要自己主动找一些论文或者其他教程资料进行补充。
