PointCloud到图像 一种将三维激光点云数据投影到序列化二维图像中的算法。 作者：古峰 介绍 在点云数据的中心或数据的收集轨迹上选择一个视点。 然后，该算法将3D点云数据投影到与以视点为中心的不同视角相对应的平面上。 然后使用三维激光点云的特征对图像进行染色。 该算法一共给出了六种染色方法，读者可以根据需要选择其中一种或多种。 六种染色方法是：RGB颜色，反射值，法向矢量的垂直分量，深度，方位角和空间邻域角（SNA）图像。可以更改生成的图片数量以及生成的图片的尺寸和分辨率。 1张序列化的深度图像 2张序列化的普通图像 3张序列化强度图像 4个序列化的方位角图像 5张序列化的空间邻里角图像 6个序列化的二进制空间邻域角度图像 7张序列化的RGB彩色图像 依存关系 程序依赖性：PCL1.8.0，OpenCV 3，OpenMP。 无论输入和输出如何，都需要4到5秒钟

一种改进Ball Pivoting的散乱点云数据重建算法

lidar数据处理程序及源码，非常易于上手，对lidar初学极有帮助，不可多得的源码资料。

Point Cloud Library各个版本安装包，pcl1.8.1及以上都有

icp点云数据matlab仿真，里边有激光雷达的2d数据集，自己采集的。算法是根据网上改的，用来做毕设分析。干货很多，建议认真学习

以杭州钱江新城森林公园和新疆维吾尔自治区阿克苏市红旗坡农场的水杉、柳树、女贞、竹子和苹果树为研究对象,基于机载LiDAR获取高分辨率点云数据,结合支持向量机分类器,提出了多种树木特征,如结构特征参数、纹理特征参数和冠形特征参数等,以实现树种分类。实验结果表明,5种树木分类的整体准确率达85%,Kappa系数为0.81。所提分类方法不仅从LiDAR数据中获得了更有前景的单株树特征,还展示了一个可用于提高树种分类性能的有效框架。

个人电脑隧道 该项目用于处理隧道的点位数据。 它包含最常见的方法，您可以根据个人需要对其进行修改。 所有代码均已在MATLAB2017a中进行了测试。 在使用该程序之前，应确保输入的文本文件或数据是XYZI的格式，其中XYZ是坐标，而I是点云的强度，如下所示： 0.0000 27455.0000 4.0600 139 0.0000 27455.0000 4.0600 137 0.0000 27455.0000 4.0600 138 0.0100 27455.0000 4.0600 135 0.0100 27455.0000 4.0500 129 0.0100 27455.0000 4.0500 129 las文件也可以接受，尽管最好使用文本文件。 如果您的数据是其他类型，则应首先转换数据。 这里列出了项目的主要功能，datail规范可以在源代码中看到。 该项目包括： 1.隧道墙的正射影

GB／T 36100-2018 机载激光雷达点云数据质量评价指标及计算方法，新国标，共享给大家。 里面详细记录的机载激光雷达点云评价的相关指标和计算方法，包括点密度、旁向重叠度、对质量检查有知道意义。 希望有更好的资源可以共享。

用于加载文件的库。 提供了一个可执行文件pcd2bin ，用于将单精度浮点 3D 点的 ASCII 格式的 PCD 文件转换为二进制 PCD 格式。 这很有用，因为二进制文件的加载速度要快得多。

使用vector容器的二级指针进行点云数据组织，运行结果正常