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

BTP_PKB-2 使用深度学习进行端到端3D点云压缩

深视3D点云数据转换成HALCON深度图像和灰度图像。

常用3D点云数据免费下载.rar

资源适用于open3D，PCL等开源3D点云处理框架处理

CloudCompare_v2.12.alpha_setup_x64.exe 点云查看器

1.用于显示halcon点云

matlab修改错误代码美国知识产权局 ICCV 2019，首尔，韩国， 新加坡国立大学计算机科学系 @article{li2019usip, title={USIP: Unsupervised Stable Interest Point Detection from 3D Point Clouds}, author={Li, Jiaxin and Lee, Gim Hee}, journal={arXiv preprint arXiv:1904.00229}, year={2019}( } 介绍 USIP检测器：一种无监督的稳定兴趣点检测器，可以在任意变换下从3D点云中检测高度可重复且精确定位的关键点，而无需任何地面真实训练数据。 下面分别显示了ModelNet40，Redwood，Oxford RobotCar和KITTI通过USIP检测到的关键点示例。 该存储库包含用于牛津机器人车，KITTI，SceneNN，ModelNet40、3DMatch的点云关键点检测器/描述符。 安装 要求： 的Python 3 编译自定义的cud​​a模块-index_max： cd models/

此函数尝试将 Qhull/convexhulln 生成的 3D 点云的凸包转换为（更多）凹包。 同样，输出格式为 k [nx 3]，它将 n 个三角形定义为 XYZ 中的行。 如果该函数找到一个三角形，该三角形的 2 条边的中点距离点云中的另一个点比 thresh 更远，它会删除该三角形并用三个新三角形替换它，这些三角形由数据云中最近的点定义到老二中点。 该算法肯定还不是最佳的，如果有人有想法甚至改进的实现，我自己会很高兴。 我仍然上传了它，因为很长时间以来我一直在寻找自己类似的东西，却没有找到对我有用的东西。 输入： – XYZ：xyz 坐标点云thresh：阈值定义所有中点的接近程度线远离点云中的最近点，使算法停止。 尽管如此，即使设置，算法有时在此之前停止，如果距离不再改善。 在换句话说，该算法不保证阈值总是匹配的。 输出：-k：三角索引（作为凹面的输出）

Qt和OpenGL实现的3D的显示类，支持qt4与qt5，VS2008-VS2015。qwtplot3d-0.3.1版本还更新了点云的显示，可以自己去扩展