Winform+KitWare.VTK绘制3D点云图，包含pcd、ply、obj等模型文件。包含pcl中点云处理的算法。

机器视觉方面，基于halcon实现点云的读取和处理并将其转为深度图进行ply格式的建模，涉及到halcon对点云的处理

为了进一步提高点云图像船舶分类方法的分类准确率,提出了一种基于三维卷积神经网络(3D CNN)的点云图像船舶分类方法。首先采用密度网格方法将点云图像转为体素网格图像,将体素网格图像作为3D CNN的输入对象;接着通过设计的6层3D CNN提取体素网格图像的高水平特征,捕捉结构信息;最后在输出层利用Softmax函数进行分类,得到最终的分类结果。实验结果表明,在自建的点云图像船舶数据集上,所提方法的分类准确率达到了96.14%,比3D ShapeNets方法和VoxNet方法分别提高了5.97%和2.46%。在悉尼城市目标数据集上,与现有一些方法相比,所提方法的分类准确率较高。这些结果均证明所提方法具有良好的分类性能。

本代码主要用于实现深度图生成点云pcd并进行保存。

pclpy是点云库(PCL)的Python绑定。使用CppHeaderParser和pybind11从头文件生成。这个库正在积极开发中，api可能会发生变化。所包含的模块确实可以工作，但测试还不完整。目前只支持Windows和python 3.6 x64。许多其他python库尝试绑定PCL。最流行的是python-pcl，它使用Cython。虽然Cython非常强大，但绑定c++模板并不是它的强项(PCL大量使用模板)。该资源使用pclpy进行点云和图像之间的坐标变换，并进行了可视化，适合初学者进行练手和学习，同样可用于改写为自己所需要的点云处理程序。

双目相机图片生成点云图

realsense435i获取彩色图像以及对应的深度图和点云图

将图片生成为对应的点云图片，需要RGB图片，RGB图的深度信息

可实现如下功能： 1：利用 OpenGL 进行点云及直线的显示（同时使用两个着色器）； 2：可以实现串口的自动识别及操作； 3：雷达图像的显示（可以实现点云数据及点云距离的同比例缩放及显示）； 4：在OpenGL显示部分，相机矩阵与代码中设置的一个矩阵进行相乘，将点云放置在 x-y 平面进行显示。 3：附加一个功能是 实现共用变量的上锁。

通过将ply点云进行ｚ轴投影构造深度图，采用双线性插值进行权重平均。运行仅需将Paths换成包含ply的文件夹即可，for 积分，不喜勿下