随着三维扫描技术的迅猛发展, 点云数据的数据量变得异常庞大, 这对点云计算的性能提出了更高的要求。因此, 如何有效提高算法的执行效率一直是该领域的研究热点和难点。日益增大的数据量隐藏了丰富的三维(3D)形状模型, 将形状模型参与到点云计算过程中, 为提高点云计算的执行效率提供了一种新的方法和思路。利用3D几何特征分析技术, 获取与形状相关的特征参数, 并使其参与到点云分割过程中, 提出了形状分割方法。利用八叉树算法组织点云数据, 发现数据之间的相邻关系, 依靠点云数据的密度自适应地双向线性调整八叉树并建立数据索引。使用规则图形建立3D形状模型库, 实现模型与分割区域的匹配, 进而提取分割区域的形状参数, 为提高点云数据计算的精度和速度奠定基础。在分割效果和分割时间上, 对比了不同算法, 验证了基于形状的点云分割算法的可行性以及稳健性。

内含视频教程，教你通过在绘图软件中如何加载点云数据，然后实现在绘图软件中，进行现代建筑或者历史建筑绘图。

物体的三维重建是计算机视觉、虚拟现实、人工智能等领域研究的重点和难点，为了能够更好的重建物体三维表面，文中提出了一种改进的Delaunay三角剖分算法。此算法与原有的逐点插入Delaunay三角剖分算法的不同在于增加了对三角形边长的约束条件，去除了重建过程中不符合要求的三角形，使其重建效果更加真实可靠。并且基于TOF3D相机拍摄得到的目标物体单视角下的点云数据，结合KNN邻域滤波算法验证了改进的Delaunay算法的可靠性和稳定性。本论文中对单视角下物体表面重建的研究为多视角下物体完整表面3维重建的研究与实现奠定了基础。

3d点云数据植物骨架提取代码demo+测试数据，代码可以跑通

双目视觉中，已经进行了摄像机的标定，那么根据摄像机的参数和左右图片，生成矫正图，确定视差图，并根据视差图计算出三维点云坐标并生成点云数据。用Halcon实现，路径请自行修改。

本人在学习PCL过程中，收集的一些pcd格式和ply格式的三维点云文件，压缩包内的主要为动物点云模型，其中包括：兔子，中国龙，猴子，猫，狗，猪，狼以及犰狳等动物类型。 适合人群：入门点云库PCL的同学。

通过激光雷达获得的散乱点云,通常无法直接应用于实际工作.文中研究了激光雷达点云的可视化以及点云数据交互式计算快速截取近似断面的方法,利用八叉树遍历进行点云选择,通过框选多边形生成近似横截面,并进行顶点拾取和测量.通过对某地点云数据实验,得到的横截面可以较好地反映地形变化,甚至可以显示出植被在该截面上的分布形态.文中方法通过建立三维点云的索引关系,减少了交互中的计算量,提高了点云交互的效率,适用于大数据量三维点云的处理,可应用于地形测绘、电力勘察设计等领域.

该代码（C++编写）主要对机载点云、车载与地基点云构建八叉树，其中机载点云在二维平面组织基础上构建，车载与地基点云在体素基础上构建八叉树。属于点云数据更进一步的预处理，属于同一块的点属性相同，可用于后续直接应用。具体原理参考博客https://blog.csdn.net/qq_32867925/article/details/125020549?spm=1001.2014.3001.5501

对简单场景下的点云数据进行分类（建筑物点、地面点、植被），提取轮廓线并三维可视化。具体的效果可参考博客：https://blog.csdn.net/qq_32867925/article/details/123301985

基于点云数据的建筑物轮廓提取，LIDAR点云数据，建筑物，轮廓提取