深度学习和人工智能是点云分割的良好且强大的解决方案，但语义分割对于数据处理方式能否更加简单和快速？如今，我们仍然关注深度学习，但人工智能是以数据为中心的。生成这些数据是一个劳动密集型的解决方案，我们是否可以尝试采用简单的无监督语义分割来有效地“预标记”点云。
已经有一些成熟的方法可以根据颜色、强度、几何形状、拓扑关系和混合方式来分割点云。因此，我们将在这里回顾它们，并探索一种融合解决方案，以更快、更有效的方式解决“预标签”过程。
基于颜色
- 基于一系列颜色
- 从点云中提取定义的颜色
- 所谓的“半监督”-> 需要一些手动标记或颜色范围的先验知识
- 例如，K-means 聚类可用于根据颜色相似度对点进行分组，从而实现进一步分类或分割
基于几何
- 点、坐标（X、Y、Z）的几何属性
- 聚类算法，例如 k-means 或 DBSCAN
- 识别点云中不同的形状或结构
关于 DBSCAN 的更多信息
DBSCAN 工作原理示例
- 根据它们的密度 <
