激光点云数据以其详尽、高精度的三维信息，在森林参数估算、精确重建植物形态结构三维模型方面具有特 殊优势。为进一步提高三维模型精度，综合集成多种算法，在改进现有PC2Tree 软件基础上，基于点云数据进行树 木三维重建。首先根据树木局部点云的主方向相似度和局部点云轴向分布密度分离枝干与树叶; 其次采取水平集 和最小二乘法提取枝干部分的骨架点，通过下采样方法提取冠层部分的特征点; 最后根据骨架点和特征点拓扑结 构重构树木三维模型。以樟树为例，分析枝叶分割精度，自动分割与手动分割结果相近; 以无叶的鸡蛋花树为例， 分析重建模型精度，模型主枝长度相对误差范围集中在0 ～ 8. 0%，半径相对误差范围集中在0 ～ 10%; 枝条重建过 程避免了噪声点的干扰，对噪声点具有一定的不敏感性; 重建三维模型与原始点云吻合度高，基本解决了冠层内部 枝干遮挡严重带来的三维建模困难的问题; 依据模型提取树高、冠幅、胸径、体积等参数

LiDAR360激光雷达点云数据处理软件用户手册，完整版，中文。

点云数据兔子

点云数据

内部含有各种pcd格式点云数据，包括小型模型，以及大规模雷达点云数据但雷达点云数据也是pcd格式，还有一定的原始处理点云数据代码。

在开始着手研究点云匹配相关的内容，整理了一下数据，里面包含了飞机、人、椅子、水瓶、车等多种点云数据，其形式是txt形式的，方便大家使用。

这是一个LIDAR数据处理的经典程序，对于自己LIDAR处理的程序，很很大借鉴作用。 这是一个LIDAR数据处理的经典程序，对于自己LIDAR处理的程序，很很大借鉴作用。

用matlab实现2个不同的三维点云数组

提出对图像和激光雷达点云数据进行3D目标检测的改进F-PointNet(Frustum PointNet)。首先利用图像的2D目标检测模型提取目标2D区域,并将其映射到点云数据中,得到该目标的点云候选区域,然后预测候选区域的3D目标掩模,最后利用掩模对3D目标进行检测。当预测掩模时,提出的宽阈值掩模处理可以用来减少原始网络的信息损失;增加注意力机制可以获取需要被关注的点和通道层;使用Focal Loss可以解决目标与背景不平衡的问题。通过多次对比实验,证明宽阈值掩模处理可以提高3D目标检测的准确率,同时注意力机制和Focal Loss可以提高预测的准确率。

内涵多篇CAD模型与点云数据配准论文