cloudcompare2.12版本

通过阅读17篇点云处理的综述文章，可以全面了解三维点云处理的技术发展、了解其发展路线，包括点云物体检测、点云语义分割，深度学习在点云处理中的应用，自动驾驶中的点云处理等多个方面，便于刚刚接触点云方向不久的伙伴，进行合理的学习规划，也方便对自己的研究方向进行更好的分析与了解。

随着三维扫描技术的迅猛发展, 点云数据的数据量变得异常庞大, 这对点云计算的性能提出了更高的要求。因此, 如何有效提高算法的执行效率一直是该领域的研究热点和难点。日益增大的数据量隐藏了丰富的三维(3D)形状模型, 将形状模型参与到点云计算过程中, 为提高点云计算的执行效率提供了一种新的方法和思路。利用3D几何特征分析技术, 获取与形状相关的特征参数, 并使其参与到点云分割过程中, 提出了形状分割方法。利用八叉树算法组织点云数据, 发现数据之间的相邻关系, 依靠点云数据的密度自适应地双向线性调整八叉树并建立数据索引。使用规则图形建立3D形状模型库, 实现模型与分割区域的匹配, 进而提取分割区域的形状参数, 为提高点云数据计算的精度和速度奠定基础。在分割效果和分割时间上, 对比了不同算法, 验证了基于形状的点云分割算法的可行性以及稳健性。

通过建立点云数据的包围盒结构，对不同位置疏密不一致的点云进行抽稀和均匀化处理。

个人电脑隧道 该项目用于处理隧道的点位数据。 它包含最常见的方法，您可以根据个人需要对其进行修改。 所有代码均已在MATLAB2017a中进行了测试。 在使用该程序之前，应确保输入的文本文件或数据是XYZI的格式，其中XYZ是坐标，而I是点云的强度，如下所示： 0.0000 27455.0000 4.0600 139 0.0000 27455.0000 4.0600 137 0.0000 27455.0000 4.0600 138 0.0100 27455.0000 4.0600 135 0.0100 27455.0000 4.0500 129 0.0100 27455.0000 4.0500 129 las文件也可以接受，尽管最好使用文本文件。 如果您的数据是其他类型，则应首先转换数据。 这里列出了项目的主要功能，datail规范可以在源代码中看到。 该项目包括： 1.隧道墙的正射影

文件中包含原始激光雷达数据，MATLAB读取.ubh文件、点云数据滤波、误差分析、模型验证、三维表面拟合的源代码，目前调试无误

提出一种非结构化点云特征线提取方法, 其过程主要分为区域分割和特征检测两个阶段。在区域分割阶段, 引入社会粒子群优化模糊C-均值聚类算法对点云数据进行区域聚类, 得到边界清晰的各个分区, 便于后续边界特征的提取; 在特征检测阶段, 对各个分区进行局部径向基函数曲面重构, 以获取各个分区内采样点的曲率信息。提出基于平均曲率计算的局部特征权值, 并通过局部特征权值和曲率极值法对特征点进行双重检测。并通过建立特征点的最小生成树构建特征曲线。对不同点云模型进行特征线提取实验, 结果表明, 本文方法既能够提取点云模型中的显著特征和尖锐特征, 也能够很好地提取特征强度变化的曲线特征。