基于渐进三角网的机载LiDAR 点云数据滤波

机载lidar点云数据的DSM、生产技术研究应用论文，讲述机载lidar数据生产的一般过程

面对Li DAR技术的广泛应用以及Li DAR数据处理在多语言环境下的需求,提出了一种基于Java语言的Li DAR点云数据处理方法。该方法在网格划分的基础上引入了树结构,将网格索引与树结构索引相结合,对基本的规则网格空间索引进行了改进,并建立了相应的Li DAR点云数据处理的基本框架,实现了Java语言环境下的点云数据处理。通过对某测区的Li DAR点云数据进行处理,并比较了不同语言环境下的处理结果,验证了在Java语言环境下该方法进行Li DAR点云数据处理的可行性,以及利用该方法引入树结构的网格空间索引在Java语言环境下的实现性。

基于AutoCAD的LIDAR点云数据可视化

根据语义或实例分割的结果可视化KITTI数据集点云，为不同类别或不同的实例赋予不同的颜色，适合论文作图

提出了一种流数据算法进行Delaunay三角网构网，用于处理上十亿的LiDAR点云数据。该算法基于并行多核处理器架构，将三角网构网的分治算法与流数据处理相结合。一种四叉树结构调整自适应地分割点云数据文件，将其分割分割网和合并分段工作动态调度分布到不同的处理器，以提高负载均衡。算法通过并行计算，充分利用多核处理器平台的计算能力，获得了高运行效率和低内存占用。

三维点云数据读取并以RBG值信息进行显示，在matlab平台下运行

terrasolid分类各算法及其含义

通过分析机载雷达（LIDAR）点云数据与航空影像数据特点，提出了融合机载LIDAR点云和航空影像的建筑物轮廓探测方法。分别提取机载点云和航空影像中的部分建筑轮廓线，将轮廓线拟合成直线段的建筑物轮廓边，并以两相邻且垂直的轮廓边相交得到建筑的角点，根据建筑物的同名角点实现机载点云和航空影像的配准融合；将航空影像的光谱信息赋予机载点云，并将光谱信息作为特征向量进行聚类，分离出植被和树木等地物，利用高程信息从光谱信息相似的地面道路和建筑物中分离出建筑物，提取建筑物的轮廓边，完成建筑物轮廓的探测。实验结果表明，利用该方法进行建筑物点云的分类正确率可达97.96%，轮廓边的提取精度可达0.21 m，能够有效的实现建筑物轮廓的探测。

KITTI对象数据转换和可视化 数据集 从Kitti下载数据（calib，image_2，label_2，velodyne），并将其放在kitti/object数据文件夹中 文件夹结构如下： kitti object testing calib 000000.txt image_2 000000.png label_2 000000.txt velodyne 000000.bin pred 000000.txt training calib