点云数据的Marching Cube算法实现

点云数据滤波是机载激光雷达(LiDAR)数据处理研究中很重要的问题之一。提出了一种基于区域预测的LiDAR 点云数据形态学滤波算法,该算法由点云数据建立规则格网、去除粗差点,对实验区域进行分块,然后使

为提高结构光三维重构系统的点云匹配速度及精度,提出二维视图及三维点云交叉特征点协同匹配的方法。首先,通过投影变换及维度映射关系实现待拼接投影图像的归一化,经预处理后提取端点及分叉点作为关键点,对同类点

ISS算法是Zhong等10年发表的点云关键点检测算法，是现有非尺度不变的关键点提取算子中效果较好较稳定的(其它的还有harris3D等效果也很好但是我没做)，已经被PCL库收录。这是我按照文献用ma

该资源为博客激光雷达点云与单幅图像配准映射变为彩色点云案例中的点云数据.

利用包围盒算法实现点云数据压缩。内有实测数据和matlab完整代码，非常有利于初学者进行学习。

根据上次的点云粗配准，对点云进行完全配准，并且计算分析误差。主要包括NDT、3Dsc、FPFH、PFH几种算法比较。

这是两篇关于激光雷达点云数据的文献，一篇是有关于点云拟合算法，一篇是有关于点云模型拼接的，个人觉得还不错！

输入Velodyne Lidar数据，对点云进行聚类，基于Ｑt图像界面开发，算法满足实时性，分割效果好，可用于１６线，３２线，６４线激光雷达数据．

function[R1,t1]=reg(data1,data2,corr)M=data1(:,corr(:,1));mm=mean(M,2);S=data2(:,corr(:,2));ms=mean(

ICP（IterativeClosestPoint迭代最近点）算法是一种点集对点集配准方法。该源码通过CMake+VTK，使用C++实现.