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

室内场景激光点云数据的三维建模，小论文，仅供下载，请勿传阅

文中介绍了TerraSolid、Li DAR Suite和Li DAR-DP三款软件功能,分析了软件各自优缺点,通过试验比较了软件在不同地形特征区域的激光雷达点云滤波效果。最后,提出了一种结合TerraSolid、Li DAR Suite和Li DAR-DP软件处理激光点云数据,制作数字高程模型(DEM)的技术方法,为高精度DEM生产提供参考。