使用Kinfu大比例尺生成纹理网格
该教程演示如何使用KinFu大比例尺从房间生成网格，并在后期处理中应用纹理信息以获得更吸引人的视觉效果。
使用点云库检测人及他们的姿势
该教程提供了一个人及其姿势检测的方法。
该文档介绍了PCD文件格式以及在PCL中的使用方式。
从PCD文件中读取点云数据
该教程中，我们将学习怎么从PCD文件读取点云
写点云数据到PCD文件
该教程中我们将学习怎么写入点云数据到PCD文件
在本教程中，我们将学习如何连接两个点云的字段和点数据。串联字段时，一个点云仅包含XYZ数据，另一个包含Surface法线信息。
在本教程中，我们将学习如何从OpenNI摄像机获取点云数据。
在本教程中，我们将学习如何从Velodyne HDL中获取点云数据。
在本教程中，我们将学习如何从Dinast相机获取点云数据。
在本教程中，我们将学习如何从IDS-Imaging Ensenso摄像机获取点云数据。
在本教程中，我们将学习如何从davidSDK扫描仪获取点云或网格数据。
在本教程中，我们将学习如何在Linux和Windows平台上的PCL中安装配置和使用DepthSense摄像机。
在本教程中，我们将学习如何从深度图像中提取NARF关键点。
点云数据主要是表征目标表面的海量点集合，并不具备传统实体网格数据的几何拓扑信息。点云处理中最核心的问题就是建立离散点间的拓扑结构。
划分空间的索引结构有：k-d tree，八叉树、四叉树、BSP树、KDB树，R树，R+树等；
如何使用KdTree进行搜索
在本教程中，我们将学习如何使用最近邻方法搜索k-d树。
用k-d tree找到具体点或空间位置的k近邻
KdTree 也称为K维树，用来组织表示K维空间中的点集合。
通常只在三个维度中处理，因此可称为3维k-d树。
KdTree、 Octree（八叉树），都是点云数据中索引的一种，为了快速索引以及无损的压缩点云而设计的。
基于八叉树（Octrees）的空间划分和搜索操作
在本教程中，我们将学习如何使用八叉树进行空间分区和最近邻居搜索。
无序点云的空间变化检测
该教程中，我们将学习使用八叉树来检测点云中的空间变化。
缺点: 只能探测 cloudA基础上新增的点集,并不能探测cloudA上减少的点集合
深度图像（Depth Images），也被称为距离影像（Range Image），是指将图像采集器到场景中各点的距离（深度）值作为像素值的图像，它直接反应了景物可见表面的几何形状，利用它可以很方便地解决3D目标中的许多问题。
如何从点云创建深度图像
本教程演示了如何从点云和给定的传感器位置创建距离图像。
如何从深度图像中提取边框
本教程演示了如何从深度图像中提取边界（从前景到背景的遍历）。
基于对应分组的3D对象识别
本教程旨在说明如何基于pcl_recognition模块执行3D对象识别。
在本教程中，我们将学习隐式形状模型算法（Implicit Shape Model algorithm）的工作原理以及如何使用它来查找对象中心。
本教程旨在通过验证杂乱和严重遮挡的3D场景中的模型假设，来说明如何在杂乱的场景中进行3D对象识别。
本教程提供了一个示例，说明如何使用迭代最近点算法来查看一个点云是否只是另一个点云的刚性转换。
本文档演示了使用迭代最接近点算法以逐个递增地注册一系列点云的过程。
本教程将教您如何构建交互式ICP程序。
本文档演示了使用正态分布变换算法来注册两个大点云。
本文档说明了如何使用手持式扫描仪应用程序通过RGB-D相机获取小物体的彩色模型。
在本教程中，我们展示了如何在具有杂波和遮挡的（clutter and occlusions）场景中找到刚体的对齐姿势。
在本教程中，我们学习如何将RandomSampleConsensus与平面模型一起使用，以获取适合该模型的点云。
在本教程中，我们将学习如何从给定的点云数据集中分割任意（arbitrary）平面模型。
在本教程中，我们将学习如何从给定的点云数据集中分割任意圆柱模型。
检索出一个圆柱体的牛奶盒子。
在本教程中，我们将学习如何使用区域增长分割算法。
在本教程中，我们将学习如何使用基于颜色的区域增长分割算法。
在本教程中，我们将学习如何使用基于最小割集的分割算法。
本教程介绍如何在PCL中使用条件欧几里德聚类：一种基于欧几里德距离和用户自定义条件的对点进行聚类的分割算法。
在本教程中，我们将演示如何将点云分解为中级超体素表示。
在本教程中，我们将演示如何将点云分割为地面和非地面返回。
本教程介绍如何使用SAC模型从点云中提取点。
根据重建曲面和数据点云之间的关系可将曲面重建分为俩大类： 插值法和逼近法。使得重建曲面是原始点集的一个逼近。
泊松重建、MC重建、Ear Clipping（三角化算法）
ConvexHull 凸包算法。在一个实数向量空间中，对于给定集合X，所有包含X的凸集的交集S被称为X的凸包。应用：二维的面积计算，三维的体积估计应用。
Ear Clipping（三角化算法）：是一个把多边形三角化的算法。多边形的一个顶点和相邻俩个顶点构成一个三角形，并且其内部不存在多边形的顶点，切掉，切下来的就称之为ear。循环这个过程，切下去，一个多边形被分为多个三角形。
surface : 点云平滑、重采样、建立凸包、快速点云三角化等算法。
在本教程中，我们将学习如何构造和运行移动最小二乘（MLS Moving Least Squares）算法以获得平滑的XYZ坐标和法线。
在本教程中，我们将学习如何为平面所支持的一组点计算简单的2D凹面或凸面船体多边形。
在本教程中，我们将学习如何在基于局部邻域的投影上，使用法线在点云上运行贪心三角剖分算法以获得三角形网格。
在本教程中，我们将学习如何通过拟合修剪的B样条曲线从无序点云重构平滑表面。
