《算法分析与设计》中的递归与分治算法，求解平面点集最接近点对算法。

三维点集配准问题是计算机技术中的一个极其重要的问题，作为解决三维点集配准问题的一个应用较为广泛的算法，ICP算法得到了研究者的关注，本文以一种全新的思路从配准元素的选择、配准策略的确定和误差函数的求解等3个方面对三维点集配准的ICP算法的各种改进和优化进行了分类和总结。

这是一个小函数，用于计算定向边界框的 8 个角到给定的 3D 数据点集。 它使用凸包上点的奇异值分解来提取边界框的轴。 目前该功能没有任何错误控制。

这项工作基于我们的arXiv 技术报告，该报告将出现在 CVPR 2017 中。我们提出了一种新颖的点云深度网络架构（作为无序点集）。您还可以查看我们的项目网页以获得更深入的介绍。 点云是一种重要的几何数据结构。由于其不规则的格式，大多数研究人员将此类数据转换为规则的 3D 体素网格或图像集合。但是，这会使数据变得不必要地庞大并导致问题。在本文中，我们设计了一种直接消耗点云的新型神经网络，它很好地尊重了输入中点的排列不变性。我们的网络名为 PointNet，为从对象分类、部分分割到场景语义解析的应用提供了统一的架构。虽然简单，但 PointNet 非常高效且有效。 在这个存储库中，我们发布了代码和数据，用于在从 3D 形状采样的点云上训练 PointNet 分类网络，以及在 ShapeNet Part 数据集上训练部件分割网络。

该资源是熊金城编的点集拓扑讲义答案，对学习拓扑有一定的作用，大家下载看看，希望对大家有所帮助!

以下两篇论文的统一MATLAB实现： (1) Haili Chui, Anand Rangarajan：一种用于非刚性点匹配的新算法。 CVPR 2000: 2044-2051 http://www.cis.ufl.edu/~anand/students/chui/research.html (2) Andriy Myronenko、Xubo B. Song、Miguel A. Carreira-Perpinan：非刚性点集注册：相干点漂移。 NIPS 2006：1009-1016 http://www.csee.ogi.edu/~myron/matlab/cpd/

% 求D维中两组N点之间的最小均方根% 和刚性变换（即平移和旋转） % 雇用以使一组接近另一组， % 使用 Kabsch (1976) 算法。 % 注意点是成对的，即我们知道一组中的哪个点% 应该与另一组中的给定点进行比较。 % ％ 参考： % 1) Kabsch W. 将两组向量相关联的最佳旋转解决方案。 Acta Cryst A 1976；32：9223。 % 2) Kabsch W. 讨论有关两组向量的最佳旋转的解决方案。 Acta Cryst A 1978；34：8278。 % 3) http://cnx.org/content/m11608/latest/ ％4） http://en.wikipedia.org/wiki/Kabsch_algorithm % % 我们稍微概括一下，允许给点赋予权重。 % 这些权重是先验确定的，不依赖于距离。 % % 我们按照惯例工作，点是列向量；

基于SVD算法求解三维点集匹配的Matlab代码（带详细注释）

此函数计算修正豪斯多夫距离 (MHD)，即根据 Dubuisson 等人的说法，证明其功能优于定向 HD。 在以下工作中： MP Dubuisson 和 AK Jain。 对象的修正 Hausdorff 距离匹配。 ICPR94，第 A：566-568 页，耶路撒冷，以色列，1994 年。 http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=576361 该函数计算前进和后退距离并输出两者中的最小值。 调用函数的格式： MHD = ModHausdorffDist(A,B); 在哪里MHD = 修正豪斯多夫距离。 A -> 点集 1 B -> 点集 2 每个点集的样本数量可能不同，但维度点必须相同（2）。

点集收集分配的Delaunay三角网快速生成算法及实现.doc