三维点云是物理世界的三维数据表达形式，其应用日益广泛，如自动驾驶、AR/VR、FaceID等。PointNet网络模型是直接对三维点云数据进行深度学习的开山之作，PointNet++是对PointNet的改进技术。PointNet++是点云处理深度学习里程碑式的工作，启发了很多后续研究。 原作的PointNet++代码使用Python2.7和tensorflow1.4。本课程将PointNet++代码更新至Python3并在tensorflow1.13上演示。   本课程对TensorFlow版的PointNet++进行原理讲解、论文复现和代码详解。包括：   （1）提供三维点云数据集ModelNet40、ShapeNet和Scannet的下载、可视化软件和方法； （2）在Ubuntu系统上演示使用PointNet++进行三维点云的物体分类、部件分割和场景语义分割的训练和测试； （3）详解PointNet++的原理、程序代码和实现细节，并使用PyCharm进行Debug调试代码和单步跟踪。

泊松重建能完成点云表面的曲面重建，在许多领域应用广泛。水密性等

根据网上基于划分法k-means的聚类算法，我做了改进。可以预设一个最大的类数和一个半径，自动划分合适的类。最终将随机三维点云聚类完成后显示为不同颜色。

根据网上基于划分法k-means的聚类算法，我做了改进。可以预设一个最大的类数和一个半径，自动划分合适的类。最终将随机三维点云聚类完成后显示为不同颜色。

需要预先求解出彩色镜头的内参、彩色镜头到雷达的外参，输入数据：存有以上相关参数的yaml文件、彩色照片、velodyne的pcd点云文件，输出输出：彩色的ply文件、点云投射到彩色照片的结果。

三维点云数据的快速拼接技术研究，徐亚楠，吴侃，在获取物体表面数据过程中，由于物体过大或者单幅不能实现完全测量时，需要对测量点云进行拼接处理。本文通过简化的ICP算法(Iterativ

三维点云模型骨架提取算法的研究与实现_曹嘉.caj

三维点云数据转换360全景图：c++或c#直接调用dll，输入txt，在指定路径下生成全景图。传输数据为结构体指针和字符串。

三维点云是物理世界的三维数据表达形式，其应用日益广泛，如自动驾驶、AR/VR、FaceID等。PointNet网络模型是直接对三维点云数据进行深度学习的开山之作，PointNet++是对PointNet的改进技术。作为点云处理深度学习方法的里程碑工作，启发了很多后续研究。 本课程对PyTorch版的PointNet++进行原理讲解、论文复现和代码详解。包括：  （1）提供三维点云物体分类数据集ModelNet40、物体部件分割数据集ShapeNet和场景分割数据集S3DIS的下载、可视化软件和方法； （2）在Ubuntu系统上演示使用PointNet++进行三维点云的物体分类、部件分割和场景语义分割的训练和测试； （3）详解PointNet++的原理、程序代码和实现细节，并使用PyCharm进行Debug调试代码和单步跟踪。 需要学习TensorFlow版PointNet++的学员可前往本人推出了课程《PointNet++点云处理TensorFlow版》

为了使机器人准确高效地完成复杂轮廓工件的切削加工, 结合点云技术与机器人技术, 提出了一种基于三维点云直接生成机器人的切削加工轨迹的算法。搭建了一种以激光位移传感器和机器人为核心部件的点云测量系统, 通过坐标关系变换实现了一维测量到三维测量的扩展。通过在线测量获取了被加工工件轮廓的三维点云, 采用点云预处理算法和机器人轨迹的生成算法, 直接生成了针对被测工件的机器人加工轨迹。仿真结果表明, 该测量系统及算法能够准确地提取工件轮廓的三维点云并快速生成机器人的加工轨迹。