标准模式的激光点云数据，可以当做激光点云软件处理的练习数据。

Terrasolid经常用以测试的点云，地点位于欧洲，包含河流、地形、建筑、树木等要素，分辨率0.5米。

激光点云数据，las格式转换为txt和pcd（point cloud library）支持格式，方便转换。

武汉大学信息学部宿舍楼立面的三维激光点云，分辨率约1cm，数据量约1200万个点，含有x，y，z，intensity（强度数据）。 可用于立面要素（墙面、门、窗、空调外机等）检测实验。

手臂的三维激光点云数据.asc格式的，希望有用

qt显示LAS文件，用opengl实现旋转平移缩放，有显示界面，QT+OPENGL基本框架，可直接使用。

基于ROS实现的的激光点云处理，对地面进行拟合分割，采用欧几里得聚类实现障碍物检测。基于ROS实现的的激光点云处理，对地面进行拟合分割，采用欧几里得聚类实现障碍物检测。基于ROS实现的的激光点云处理，对地面进行拟合分割，采用欧几里得聚类实现障碍物检测。

基于autocad的三维激光点云数据处理，包括数据显示，数据处理。

针对无人车三维激光雷达与全球定位系统/惯性导航系统组合导航系统安装位置关系难以准确测量及相对转角无法直接测量的问题, 提出一种基于多对点云同时匹配迭代生成外参数的方法。首先选择车辆直线往返行驶中位置相近、方向相反的激光雷达点云对进行匹配；然后设定参数区域中心、初始步长及步数, 遍历参数组合, 寻找目标函数最小时的外参数组合并更新为最优迭代区域中心；最后不断缩减步长, 直到得到满足精度要求的最优外参数。实验采集了两段环境不同的数据, 分别采用较优和较差的参数初始迭代中心以及不同步数进行标定。结果表明, 所提方法用时短, 对于非理想参数初值也能够得到较好的标定结果, 而且标定方法简单, 无需专门的标定物即可达到需求的标定精度。

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