点云分割：
根据空间、几何和纹理等特征点进行划分，同一划分内的点云拥有相似的特征。
点云分割的目的是分块，从而便于单独处理。
点云分类：
为每个点分配一个语义标记。点云的分类是将点云分类到不同的点云集。同一个点云集具有相似或相同的属性，例如地面、树木、人等。也叫做点云语义分割。
特征提取
单个点或一组点可以根据低级属性检测某种类型的点。
“低级属性”是指没有语义（例如，位置，高程，几何形状，颜色，强度，点密度等）的信息。
“低级属性 ”信息通常可以从点云数据中获取而无需事先的高级知识。例如，平面提取和边缘检测、以及特征描述子的 计算都可以视为特征提取过程。
点云配准：
1.定义
点云配准实际上可以理解为：通过计算得到完美的坐标变换，将处于不同视角下的点云数据经过旋转平移等刚性变换统一整合到指定坐标系之下的过程。再通俗一点讲：进行配准的两个点云，它们彼此之间可以通过旋转平移等这种位置变换完全重合，因此这两个点云属于刚性变换即形状大小是完全一样的，只是坐标位置不一样而已。点云配准就是求出两个点云之间的坐标位置变换关系。
因此，点云配准基本的输入输出是：
两个刚性变换的点云：源点云（source）以及目标点云（target）形状、大小相同；
点云配准得到一个旋转平移变换矩阵RTMatrixRTMatrix，简称RTRT，该矩阵表示了这两个点云的位置变换关系，即通过RTRT可以将源点云变换到目标点云的位置，使二者能够重合。
2.过程
点云配准按照初始条件与精确度等，可以分为粗略配准与精确配准两种配准方法。