来自Semantic3D项目的带标签的点云数据集。该数据集具有数十亿个XYZ-RGB点，并将它们标记为7类。

Point_cloud_tools_for_Matlab：Matlab的各种点云工具

PCL点云库资源

YOLO3D-YOLOv4-PyTorch 本文基于YOLOv4的PyTorch实现： 演示版 输入：鸟瞰图（BEV）地图，由3D LiDAR点云的高度，强度和密度编码。 输入尺寸： 608 x 608 x 3 输出：7度的对象的自由（7- DOF）的： (cx, cy, cz, l, w, h, θ) cx, cy, cz ：中心坐标。 l, w, h ：边界框的长度，宽度，高度。 θ ：包围盒的航向角，以弧度为单位。 对象：汽车，行人，骑自行车的人。 特征 基于YOLOv4的实时3D对象检测 支持 张量板 镶嵌/切口增强训练 2.入门 2.1。 要求 pip install -U -r requirements.txt 有关和库的信息，请参阅其官方网站上的安装说明。 2.2。 资料准备 从下载3D KITTI检测数据集。 下载的数据包括： Velodyn

PyKinect2-PyQtGraph点云 使用PyQtGraph，Kinect 2和python库PyKinect2创建实时动态点云。 描述 PointCloud.py文件包含使用和库生成动态点云的主类。 主文件使用在C中运行的numpy库，因此已对其进行了充分优化，并且可以生成最多60+帧的动态点云，但RGB相机以10+帧运行的点云除外。 该库还可用于创建PointCloud并将其另存为.txt文件，其中包含世界点坐标为：x，y，z。 。 。 x，y，z它还可以用于查看.ply或.pcd点云文件或创建PointCloud并将其另存为.ply或.pcd文件。 有关如何使用主文件的说明写在“说明”一章中。 此外，还有一个带有opencv跟踪栏的窗口，可用于动态更改点云和输入标志中点的颜色和大小。 要求 使用以下命令安装所有要求： pip install requirement 所有要求

使用3D-3D点对应关系的LiDAR相机校准 ， （ ，毗湿 南（Vishnu Radhakrishnan），克里希纳（Krishna） ROS封装，用于校准相机和LiDAR。 该软件包用于通过相机校准LiDAR（配置为支持Hesai和Velodyne硬件）（适用于单眼和立体声）。 该程序包找到一种旋转和平移功能，可将LiDAR框架中的所有点转换为（单眼）相机框架。 请参阅以获取视频教程。 lidar_camera_calibration/pointcloud_fusion提供了一个脚本，用于融合从两个立体摄像机获得的点云。 两者均使用LiDAR和lidar_camera_calibration进行了外部校准。 我们通过融合保持在不同位置的多台摄像机的点云，以近乎完美的方式展示了拟建管道的准确性。 有关点云融合的结果，请参阅进行融合（视频）。 有关更多详细信息，请参阅我们的。

SampleNet：可微分的点云采样 由特拉维夫大学的Itai Lang，Asaf Manor和Shai Avidan创建。 介绍 这项工作基于我们的。请阅读它以获取更多信息。也欢迎您观看CVPR 2020的。 直接在点云上工作的任务越来越多。随着点云大小的增加，这些任务的计算需求也随之增加。一个可能的解决方案是首先对点云进行采样。经典采样方法（例如，最远点采样（FPS））不考虑下游任务。最近的一项工作表明，学习针对特定任务的采样可以显着改善结果。但是，提出的技术并未处理采样操作的不可微性，而是提供了一种解决方法。 我们为点云采样引入了一种新颖的微分松弛。我们的方法采用了一种软投影操作，该操作将采样点近似为主要输入云中的混合点。近似值由温度参数控制，并在温度变为零时收敛到常规采样。在训练过程中，我们使用投影损耗来鼓励温度下降，从而使每个采样点都靠近输入点之一。 这种近似方案可在各种应用（例

点云过程 深蓝三维点云处理课程

3D-点云 有关点云的论文列表和数据集。 数据集可以在找到。 调查文件 [arXiv 2021] [arXiv 2021] [arXiv 2021] [TPAMI 2020] [IJCV 2016] 2021年 心肺复苏术 [ compression ] [ completion ; ] [ ] autonomous driving[ autonomous driving ； ] [ autonomous driving ； ] [ completion ] [ det ; ] [ registration ] [ det ; ] [ scene flow ] [ det ] [ seg ; ] [ reg ; ] [ det ; ] [ ] [ cls ， det ; ] [ det ; ] [ det ; ] [ d

Probreg is a library that implements point cloud registration algorithms with probablistic model. The point set registration algorithms using stochastic model are more robust than ICP(Iterative Closest Point). This package implements several algorithms using stochastic models and provides a simple interface with . Core features Open3D interface Rigid and non-rigid transformation Algorithms Maximum