利用组合惯导的gps信息及四元素来拼接雷达获取的点云，利用四元数求旋转矩阵，利用gps获取经纬坐标，并将其投影到墨卡托坐标系中计算平移，提高点云拼接的精度，供大家参考！

机载LiDAR点云滤波-CSF布料模拟滤波（MATLAB代码）

matlab点云配准，包括ICP/NDT/CPD算法，同时获取原点云相对目标点云的x,y,z变化、欧拉角、四元数

机载LiDAR点云滤波-PTD渐进三角网加密（MATLAB代码）

matlab对点云进行ICP配准算法 %读取靶标矩阵 %做空间变换 %对于确定的关系，求解RT %利用求解得到的RT计算变换之后的点

包括斯坦福兔子点云、飞机点云、forest点云数据和其他PCD格式的点云数据。

机载LiDAR点云滤波-SMRF简单形态学滤波（MATLAB代码）

pcd+ply+xyz，Rabbit兔子点云模型

三维点云机器学习检测定位圆心，拟合轴线（基于open3d和python）对应点云数据，可直接open3d读取，点云颜色为全白，包含xyzrgb

这一资源是来自斯坦福大学的宝库，提供了丰富的三维扫描数据，其中包含了著名的bunny、dragon等经典数据集。这些数据集的点云数据涵盖了各个角度，为点云配准等领域的学习提供了理想的素材。 关键特点： 1. 丰富多样的数据集： 包括著名的bunny、dragon等，涵盖了不同材质和形状的模型，适用于多个学科领域。 2. 多角度点云数据： 提供了各个角度的点云数据，为学习和实践提供了全面的素材，特别适用于点云配准的实验和研究。 3. 用途广泛： 不仅可以用于点云配准，还可用于三维重建、模型比对等多个领域，是学术研究和项目实践的理想选择。 4. 大数据量： 数据量较大，对用户提出了一定的下载耐心要求，但丰富的内容将为学术研究和实践带来更多可能性。 如何使用： 1. 利用这些数据集进行点云配准、三维建模等实验，拓展自己的研究领域。 2. 这一资源为点云数据的学习和实践提供了重要支持，将对三维视觉领域的学术和工程研究产生积极影响。