深度相机获取的三维点云数据，可以用于机器人环境建模。

点云分割是点云数据处理的关键环节，区域生长因在三维点云分割中易于实现、便于使用而得到了广泛应用，然而由于点云特征的不确定性及种子点选取不合理导致传统区域生长法局部分割性能不稳定。针对此问题，提出一种改进的区域生长分割方法。通过估算点云数据曲率大小，并将曲率最小点设置为种子节点，即从点云数据最平坦的区域开始生长，以减少分段总数，再根据点云数据的局部特征确定生长准则。实验结果表明，该方法不仅能有效地对点云数据进行分割，而且解决了传统区域生长分割不稳定的问题，提高了点云分割的精确性和可靠性。

智能车辆开发中的三维目标检测算法综述.pdf

matlab三维散乱点云数据拟合二次曲面，包括数据data.mat（以x，y，z坐标形式保存）、运行代码curfit.m、运行结果

一些经典三维模型的点云数据，将txt格式整合成了PCL的点云数据格式（PCD），同时包含TXT格式和PCD格式，

用Matlab画三维坐标系下的点，给出x、y、z轴坐标点，用scatter3(X,Y,Z,'filled')

shenlan学院 三维点云处理课程

睿慕课-三维点云处理课程

知名的斯坦福兔子的三维点云坐标数据，格式为X坐标 Y坐标 Z坐标

三维点云处理PPT-shenlanxy