来源于公共数据集的点云数据，免费下载，适用于初学者

CloudCompare 中文手册 机器翻译 仅供参考学习。翻译的不是很好，但是能看看，仅供参考使用，介意者不要下载。

有PLY格式，TXT格式，方便开发中测试，可以用于练习使用，各种代码程序来跑的数据。 。

使用最小二乘法拟合平面，借助pcl点云库中的估计法矢的类来得到模型中点云曲面法矢估计。 是一个较为简单，常用的代码。txt文件

PCL（Point Cloud Library）是在吸收了前人点云相关研究基础上建立起来的大型跨平台开源C++编程库， 它实现了大量点云相关的通用算法和高效数据结构， 涉及到点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等。 支持多种操作系统平台，可在Windows、Linux、Android、Mac OS X、部分嵌入式实时系统上运行。 如果说OpenCV是2D信息获取与处理的结晶， 那么PCL就在3D信息获取与处理上具有同等地位，PCL是BSD授权方式， 可以免费进行商业和学术应用。

利用python3.6（numpy），生成ply文件，并将三维点云数据写入ply文件。生成的ply文件可以直接用meshlab软件打开查看点云。 代码建议使用pycharm运行，

点云数据计算曲率的算法实现，可以实现点的曲率计算

EPS教程点云测图急速上手PDF文件 程序化作业。。快速入门手册提供基于正射影像（DOM）、实景三 维模型（osgb）、点云数据（机载Lidar、车载、地面激光扫描、无人机 等）二三维采集编辑工具，可实现基于正射影像DOM 和实景表面模型的 垂直摄影三维测图；基于倾斜摄影生成的实景三维模型的倾斜摄影三维测 图；基于各种机载Lidar、车载、地面激光扫描、无人机等点云数据的点 云三维测图以及基于倾斜摄影生成的实景三维模型的虚拟现实立体测图， 系统支持大数据浏览以及高效采编库一体化的三维测图，直接对接不动产、 地理国情等专业应用解决方案。 EPS 三维测图系统由四部分组成：垂直摄影三维测图、倾斜摄

针对三维点云数据分割算法准确度低的问题,提出了一种结合点云骨架点和外部特征点的分割算法,所提算法可将传统方法分割不出来的局部小范围凸面体进行有效分割,从而使得三维点云数据分割得更为完善,为三维点云分割提供了新思路。利用C++及其开源的点云库进行编程,利用L1-中值算法对三维点云进行骨架点的提取,利用尺度不变特征变换算法进行特征点的提取,结合骨架点和特征点构建分割平面进行分割,再对剩余的特征点进行检测,再次构建分割平面进行分割,得到最终的结果。实验结果表明,该算法能对三维点云表面的小范围凸面体进行有效分割, 提高了分割的准确性。

基于激光雷达点云求两个墙面的交线.rar