一款轻量而功能强大的点云可视化和编辑软件，支持pcd, ply, las等多种格式，轻松打开海量点云数据，支持多方式多字段渲染点云，对点进行方便的查询、量测和编辑，可应用于测绘、高精地图、SLAM等领域。

MATLAB-研究-点云： 1.使用点云测量和分析3D场景： 来源： : 点云是数据点的集合，其中数据集的各个点表示现实世界中被扫描对象的表面点的坐标。 点云用于测量现实世界的场景，通常由激光雷达扫描仪和其他设备产生。 点云处理用于增强现实（AR）和虚拟现实（VR）应用程序以及机器人技术和自动驾驶中的感知和导航。 公共点云处理任务包括： 读写点云数据以进行分析和显示 转换，过滤和注册3D点云 将3D点云分割成簇并将其拟合为几何形状 点云处理工作流程的主要组件是： 读取和可视化数据 配准和拼接一系列点云 将点云数据细分为集群 1.1注册和缝合一系列点云示例：使用迭代最近点（ICP）算法的3D场景重建： 来源： : veloReader = velodyneFileReader('lidarData_ConstructionRoad.pcap','HDL32E'); xl

PCL点云库——欧式聚类分割https://blog.csdn.net/fei_12138/article/details/109718785中的麦粒数据

采用朴素贝叶斯算法对雷达点云数据进行分类，先构建kd树对点云领域进行搜寻，后提取点云的法向量、残差、主成分及高程差作为朴素贝叶斯算法的参数，运行程序可得到分类结果图。 （1）主程序为Classify.m （2）../data里为txt格式的训练样本与测试样本点云数据。

ROS 2 pointcloud <-> laserscan转换器 这是ROS 2软件包，提供用于将sensor_msgs/msg/PointCloud2消息转换为sensor_msgs/msg/LaserScan消息并返回的组件。 它实质上是原始ROS 1软件包的端口。 pointcloud_to_laserscan :: PointCloudToLaserScanNode ROS 2组件将sensor_msgs/msg/PointCloud2消息sensor_msgs/msg/LaserScan到sensor_msgs/msg/LaserScan消息中。 发表的话题 scan （ sensor_msgs/msg/LaserScan ）-输出激光扫描。 订阅的主题 cloud_in （ sensor_msgs/msg/PointCloud2 ）-输入点云。 如果没有至少一个用户在没有输

一篇关于利用无人机搭载相机生成点云数据测量树高的文章

PointCloudLibrary安装包调试包,版本PCL-1.11.1，包括安装包和调试包，包括（Boost，Eigen，FLANN，OpenNI2，Qhull，VTK）还包括调试PointCloudLibrary源码的调试包

资源包括以下两个文件： python_pcl-0.3.0rc1-cp27-cp27mu-linux_x86_64.whl python_pcl-0.3.0rc1-cp37-cp37m-linux_x86_64.whl 说明： Ubuntu18.04系统，在python2.7或python3.7的环境中通过pip install XXX.whl指令进行安装，安装完成后，进入python环境，输入import pcl验证是否安装成功。

来自激光雷达点云的已知定位相机的全密集深度图图像激光雷达传感器可以为我们提供关于周长的大量信息，这些信息对于许多自动机器人应用（例如自动驾驶汽车）非常重要。 虽然，激光雷达传感器为我们提供了 360 度的视点云并且它非常密集，但如果我们想匹配这些点云中的任何相机图像，某些相机的深度图变得非常稀疏，并且使用匹配的深度远远落后任何目的的信息。 在这个项目中，我们专注于从样本 Kitti 数据集 [1] 中读取点云、相机图像和校准参数，并为某些平移和旋转已知的相机创建密集的深度图像。

基于视觉的室内场景定位与建图（VSLAM）在智能设备自主定位与导航领域内扮演着极为重要的作用，但是当前主流算法的回环检测及重定位环节上在动态光照情况下存在匹配丢失，严重影响定位累计误差的修正与建图精度。因此提出了基于一种改进的点云特征提取与匹配的定位方法，将由RGB图像得到的点云通过聚类的方法分割成一个个稳定区域，并建立基于面片特性及相互空间关系的场景特征描述，最后通过该特征描述进行两帧图像的数据关联及相机的定位，利用更具有鲁棒性的区域特征提取方法克服光照变化情况下的视觉定位不足问题。实验证明提出的方法不仅可以适应动态光照环境，而且定位效果优于目前主流的基于图像点特征的定位算法。