CUDA-3D CUDA基础教程 用于3D点云操作，功能工程和基本算法的本机CUDA实现 结构体 ├── operators │   └── README.md ├── README.md └── tutorials ├── hello_world │   ├── coordinating_parallel.cu │   ├── error101.cu │   ├── error_macro.cu │   ├── grid_stride.cu │   ├── hello_world.cu │   ├── loop_accelerate.cu │   ├── Makefile │   ├── matrix_mul.cu │   ├── memory101.cu │   ├── mismatched_c

这项工作基于我们的arXiv 技术报告，该报告将出现在 CVPR 2017 中。我们提出了一种新颖的点云深度网络架构（作为无序点集）。您还可以查看我们的项目网页以获得更深入的介绍。 点云是一种重要的几何数据结构。由于其不规则的格式，大多数研究人员将此类数据转换为规则的 3D 体素网格或图像集合。但是，这会使数据变得不必要地庞大并导致问题。在本文中，我们设计了一种直接消耗点云的新型神经网络，它很好地尊重了输入中点的排列不变性。我们的网络名为 PointNet，为从对象分类、部分分割到场景语义解析的应用提供了统一的架构。虽然简单，但 PointNet 非常高效且有效。 在这个存储库中，我们发布了代码和数据，用于在从 3D 形状采样的点云上训练 PointNet 分类网络，以及在 ShapeNet Part 数据集上训练部件分割网络。

PCB板3d点云数据 PCB板3d网格数据

《银河护卫队》中备受喜爱的卡通人物火箭浣熊的3D点云模型，也可用于激光内雕

3d点云数据植物骨架提取代码demo+测试数据，代码可以跑通

给定平面方程 z = a*x + b*y + c，planefit 执行为 C = planefit(x,y,z)，求解系数 C = [abc]。 Planefit 没什么特别的，它只是设置并让 MATLAB 解决最小二乘问题来求解系数 - 一个方便的效用函数。

CloudCompare是一个三维点云（网格）编辑和处理软件。最初，它被设计用来对稠密的三维点云进行直接比较。它依赖于一种特定的八叉树结构，在进行点云对比这类任务时具有出色的性能。此外，由于大多数点云都是由地面激光扫描仪采集的，CloudCompare的目的是在一台标准笔记本电脑上处理大规模的点云——通常超过1000万个点云。在2005年后，cloudcompare就实现了点云和三角形网格之间的比较。随后，许多其他点云处理算法（配准、重采样、颜色/法线向量/尺度、统计计算、传感器管理、交互式或自动分割等）以及显示增强工具（自定义颜色渐变、颜色和法向量处理，校准图像处理、OpenGL着色器、插件等）

c#下通过halcon实现3d点云重绘，即把图片的灰度信息作为Z坐标，Row作为Y坐标，Column作为X坐标重绘出来，用到访问内存方式实现，效率不错

作者：Tom Hardy Date：2020-2-19 来源：汇总|3D点云分割算法 前言 最近在arXiv和一些会议上看到了几篇3D点云分割paper，觉得还不错，在这里分享下基本思路。 1、SceneEncoder: Scene-Aware Semantic Segmentation of Point Clouds with A Learnable Scene Descriptor 除了局部特征外，全局信息在语义分割中起着至关重要的作用，而现有的研究往往无法明确地提取出有意义的全局信息并加以充分利用。本文提出了一个场景编码模块来实施场景感知指导，以增强全局信息的效果。该模块预测场景描述符，

约MVBB 地位 建造 单元测试 快速算法，用于计算3D点云的最小体积定向边界框的近似值。 在3D中为给定点云计算面向最小体积的边界框是计算机科学中的难题。 确切的算法是已知的，并且在3D中的点数为立方量级。 目前尚不知道一种更快的精确算法。 但是，对于许多应用程序，最小体积定向边界框的近似值是可以接受的，并且已经足够准确。 这个项目是为研究而开发的。 这个符合小型标准的C ++ 11库可以内置到共享库中，也可以直接包含在现有的C ++项目中。 我并不为几年前编写的基础代码感到特别自豪，但是考虑到PR的重构和清理是非常受欢迎的！ 该库包含以下代码： 计算定向的最小体积盒的近似值（多线程支持：OpenMP）， 在2D中计算点云的凸包， 计算二维点云的最小面积矩形， 点云的2d投影， 使用复杂的拆分技术快速构建kD-Tree（n维，模板化），可在拆分过程中优化质量标准， 通