惯性与偏心基描述符矩(Moment of inertia and eccentricity based descriptors)

本教程将介绍如何利用pcl::MomentOfInertiaEstimation类，以获取基于偏心率与惯性矩的描述符。该类不仅能够提取点云的轴对齐及定向边界框，还支持OBB的计算。但需注意，所提取的OBB并非最小可能的边界框。

#理论引入
特征提取方法的基本思路如下：首先计算点云的协方差矩阵，并从中提取对应的特征值与特征向量。可以认为这些合成的特征向量是经过归一化的，并始终构成右手坐标系（主特征向量对应X轴，次向量对应Z轴）。随后进入迭代过程，在每次迭代中，主特征向量将被旋转。旋转顺序保持一致，并围绕其他特征向量进行操作，从而为点云提供了旋转不变性。在此之后，旋转后的主矢量将作为当前轴使用。

_images / eigen_vectors.png
接下来需要计算当前轴的转动惯量，并且当前轴同样用于偏心率的计算。因此，当前矢量被视为平面的法向量，并将输入点云投影到该平面上。投影完成后，即可计算得到相应的偏心率。

_images/projected_cloud.png
此外，实现类还提供了获取AABB与OBB的方法。其中面向对象边界框是沿着特征向量方向计算得出的AABB。

#代码
首先，请获取本教程所需的点云数据，如[这是](https://github.com/PointCloudLibrary/data/blob/master/tutor