上一章已經寫完了如何表達我們得到的三維座標
這裏
爲了能更好地表達三維數據，我們應用了
點雲
淺顯地理解爲：點+雲
有一個x，y，z三座標的點，而點上不再單純是點了，點有了自己的屬性，可以加入顏色，也就是說點包含了RGB。
ptCloud = pointCloud(xyzPoints)
ptCloud = pointCloud(xyzPoints,Name,Value)
Name：'Color'，[0 0 255]——點雲全是藍色
'Color'，image——點雲是圖像的顏色
當點雲信息獲取後，需要創建點雲的顯示窗口
player3D = pcplayer([-5, 5], [-5, 5], [0, 8], 'VerticalAxis', 'y', ...
'VerticalAxisDir', 'down');
player = pcplayer(xlimits,ylimits,zlimits,Name,Value)
xlimits,ylimits,zlimits均爲座標軸的限制，在限制範圍外不被顯示。由於之前的操作已經除了100，從釐米變成了米，因此此處的參數都是米。
‘MarkerSize’,6——點雲點的尺寸（直徑）
‘VerticalAxis’,‘y’——設置垂直軸，這裏設置爲y軸，爲了符合雙目的座標系。
‘VerticalAxisDir’, ‘down’——設置正方向向下，也就是y軸垂直於水平面
view(player3D, ptCloud)——顯示點雲
圖像點提取
imagePoints1 = detectMinEigenFeatures(rgb2gray(I1), 'MinQuality', 0.1);
上面程序的算法：Shi和Tomasi開發的最小特徵值算法來尋找特徵點
Shi, J., and C. Tomasi, “Good Features to Track,” Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, June 1994, pp. 593–600.
其中第一項：rgb2gray(I1)——待找特徵點的灰度圖像。
第二項：‘MinQuality’, 0.1——限制角的最低接收質量，範圍[0,1]，值越大越能去掉一些錯誤的角點，但是有效的角點的數量會明顯減少。（一般的matlab中，多是(‘name’,值)這樣的很常見，前面名稱，後面跟值）
其他可選項：’ FilterSize’——範圍[3,inf]，高斯濾波器維度，平滑圖像的梯度，
‘ROI’——感興趣區域進行角點檢測[100,100,300,200]，其中[100,100]表示區域左上角座標，300寬度，200高度