是三种常见的点云处理工具或库。它们的功能有重叠之处，但也各有侧重，适合不同的应用场景。

我也举个特殊情况，对于例题中的100次预测，如果我全部预测1次为P，99次为N，可能恰好这个P是预测正确的，即TP = 1, FP = 0, TN = 80, FN = 19。也就是我这么预测，对于预测为正的次数中，我是一击即中，再击没有了，做了回一秒真男人，但是总共有20个正样本，我只找出了1个，所以召回率就低了。前面精准率，召回率，都是关注点在正样本上，但是对于分类任务来说，预测正确与否，不单

奇异矩阵是指没有逆矩阵的矩阵，它的行列式为零，矩阵的行或列是线性相关的，导致秩小于矩阵的维度。奇异矩阵通常用于表示一些在几何或物理模型中无法逆转的情况。局部点云估计：对点pip_ipi​的邻域进行 PCA，计算协方差矩阵MMM。协方差矩阵的特征值：计算协方差矩阵MMM的特征值λ1λ2λ3λ1​λ2​λ3​，用于描述局部表面的变化。计算响应函数：基于特征值计算响应函数RRR。最大值抑制：通过非最大抑

许多学习资料都非常的碎片零散，算法是算法，部署是部署，开发是开发。学了算法不知道它怎么在机器上运行的，学了部署不知道开发是怎么调用它的，学了开发不知道算法要给你个什么玩意儿。今儿个通俗地梳理一下整个算法开发和部署的流程，用我似懂非懂的理解。