快速点特征直方图（FPH）

该算法在理论上具有较高的计算复杂度（记为O(NK²)），其中K表示包含在给定点云P中的每个p点周围的邻居数量；对于实时或近乎实时的应用场景中，在密集区域中的特征直方图计算往往成为性能瓶颈。

本教程概述了PFH公式的简化形式，并将其命名为快速点特征直方图（FPFH）。通过这种方式可显著降低算法的时间复杂度O(NK)，而依然保持大部分PFH的关键判别能力。（参考Rusu的论文：http://pointclouds.org/documentation/tutorials/how_features_work.php#rusu-dissertation以获取更多信息）

#理论引入
为了简化直方图特征计算，我们进行如下：

在第一步中， for each query point p_q a set of tuples \alpha, \phi, \theta between itself and its neighbors are computed as described in Point Feature Histograms (PFH) descriptors - this will be called the S