从LIDAR扫描/点云进行多对象检测，跟踪和分类，基于PCL的ROS包到检测/群集->跟踪->从实施的LIDAR扫描中实时对静态和动态对象进行分类i多对象检测，跟踪和分类从LIDAR扫描/点云基于PCL的ROS包到检测/群集->跟踪->通过C ++实现的LIDAR扫描实时对静态和动态对象进行分类。 特点：基于KD树的点云处理，用于从点云中检测对象特征基于无检测的欧几里得聚类（3D）或k-means聚类，基于检测到的特征并使用RANSAC（2D）进行稳定跟踪（对象ID和数据关联）

用于envi5.0版本，装在extention文件夹里面

envi进行气溶胶反演时所用，下载后放在安装文件下的extensions文件夹就可以。

MODIS气溶胶反演系统：1 说明文档：基于ENVI5.0的北京市气溶胶反演 2 云检测.scv 3 气溶胶反演 modis_aerosol_inversion

研究基于最小二乘小波孪生支持向量机(least squares wavelet twin support vector machines，简称 LS-WTSVM)的遥感多光谱影像云检测．首先根据云在不同波段中大气的辐射特点，结合Landsat7 ETM+影像数据的光谱特性获得云像元的光谱特征，再通过提取每个图像块的灰度共生矩阵得到相应像元的纹理结构特征，根据像元的光谱特性和纹理结构特征构造特征向量，最后利用最小二乘小波孪生支持向量机多分类算法进行Landsat7 ETM+影像像元的云检测，实现不同类型云区

云检测使用方式：云层厚度检测、云层厚度完善、云层去除等

envi的插件，支持进行云层厚度检测（haze detection），云层厚度完善（haze perfection），云层去除（haze removal）。

NOAA18 AVHRR 白天和晚上云检测，之后求得日温度差，同时求得改天有效海温数据

基于深度学习的资源三号遥感影像云检测方法。摘要 针对资源三号卫星影像波段少、光谱范围受限的特点，本文提出了基于深度学习的资源三号遥感影像云检测方法。首先，采用主成分分析非监督预训练网络结构，获得待测遥感影像特征；其次，为减少在池化过程中影像特征信息的丢失，提出自适应池化模型，该模型能很好挖掘影像特征信息；最后，将影像特征输入支持向量机分类器进行分类，获得云检测结果。选取典型区域进行云检测实验，并与传统 Otsu 方法进行对比。结果表明：本文方法检测精度高，并且不受光谱范围限制。