对点特征的描述常见的描述手段有，曲率、法线等，由于点云散乱无序形态各异，即使人眼是判别特征与非特征点都极其困难，所以仅仅凭借曲率、法线来对点云特征进行描述，显然是不够的。那如何准确或者全面的去描述点的特征呢，这也是很多算法的基石，特征描述准确与否直接会影响到算法的效果，目前在pcl里看到较为复杂的描述方式，就是特征直方图。
其原理大致就是：通过计算待计算点极其邻域点，两点之间的关系，主要包含，法向间的三个旋转角以及两点间的距离，后续进行统计的时候，貌似只统计了三维维度方向上的角度夹角（估计考虑到缩放的问题了）。对每个维度进行5等分，那么总的组合就有125种，那么直方图就是125维。
假设 k+1个点，两两配对，可以得到k(k+1)/2个点对（point pair）
参考博文：
https://www.zhihu.com/question/64965809/answer/3267731059
参考论文：
基于邻域特征点提取和匹配的点云配准
