这个数据集包含了从地面拍摄的云的图像。 文件包含了训练集和测试集，数据包含了11种类别的2543张云层图片。

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。

管道中线处有一个中空方块，入口平均速度 且为抛物线分布，雷诺数Re{=}Udν=100 。入口温度T_0=20。方块上板面有阶跃周期温度，周期与流场卡门涡街一致，下板面温度函数与上板面相位正好相反，其余壁面绝热。研究流体热扩散系数为\alpha=1,10,100时，方块后15d位置处温度的时间变化曲线，并分析变化频率;适合openfoam初学者，文件中保留了所有计算的结果（温度云图、压力云图、频率等等）以及计算思路的设计报告，有利于上手并做一定程度上的修改。

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

echarts词云图js文件

前端echarts词云图完整demo，+配置参数详解

基于MATLAB的不规则节点的云图绘制 给定矩形区域内不规则节点，利用MATLAB绘制云图，提供了两种插值方法

指定矩形区域规则节点的云图绘制 给定矩形区域内规则节点，绘制云图

摘要在航天科学飞速发展的今天，卫星观测已成为天气预报和大气科学研究不可缺少的技术手段，它能为工、农业生产、航海、渔业、林业、水利及军事保障等提供重要的服务。ＭＴ

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。