Quick Terrain Modeller是由Applied Imagery团队带来的一款QT建模工具，该产品是全球首屈一指的3D点云和地形可视化软件包。Quick Terrain Modeler专为与LiDAR一起使用而设计，但足够灵活以适应其他3D数据源，Quick Terrain Modeler提供了一种易于使用的软件体验，允许用户使用更多的数据，渲染更大的模型，更快速地分析数据，以及导出各种产品。这些好处使非常强大，但简单和直观，地形开发。Applied Imagery使得使用Quick Terrain Modeler更加方便快捷。最新版本v8.0.7包含许多QTM用户一直要求的新工具。这些工具将支持开发更大的数据集，加快经常使用的任务，并让用户的生活更轻松

基于Intel RealSense SDK 2.0。 测试Intel RealSense D400系列设备(深度相机)，包括Intel RealSense深度相机D435i, D435, D415 可获取以下数据: (1)color image，2D彩色图像 (2)点云 xyz (3)texture image，点云纹理彩色图像，与点云xyz（或者说深度图像）是对齐的 (4)点云 xyzrgb，将2和3组合得到 (5)ir left image，左侧ir灰度图像 (6)ir right image，右侧ir灰度图像

matlab代码 矢量化

CUDA-3D CUDA基础教程 用于3D点云操作，功能工程和基本算法的本机CUDA实现 结构体 ├── operators │   └── README.md ├── README.md └── tutorials ├── hello_world │   ├── coordinating_parallel.cu │   ├── error101.cu │   ├── error_macro.cu │   ├── grid_stride.cu │   ├── hello_world.cu │   ├── loop_accelerate.cu │   ├── Makefile │   ├── matrix_mul.cu │   ├── memory101.cu │   ├── mismatched_c

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。

PCB板3d点云数据 PCB板3d网格数据

《银河护卫队》中备受喜爱的卡通人物火箭浣熊的3D点云模型，也可用于激光内雕

3d点云数据植物骨架提取代码demo+测试数据，代码可以跑通

给定平面方程 z = a*x + b*y + c，planefit 执行为 C = planefit(x,y,z)，求解系数 C = [abc]。 Planefit 没什么特别的，它只是设置并让 MATLAB 解决最小二乘问题来求解系数 - 一个方便的效用函数。

CloudCompare是一个三维点云（网格）编辑和处理软件。最初，它被设计用来对稠密的三维点云进行直接比较。它依赖于一种特定的八叉树结构，在进行点云对比这类任务时具有出色的性能。此外，由于大多数点云都是由地面激光扫描仪采集的，CloudCompare的目的是在一台标准笔记本电脑上处理大规模的点云——通常超过1000万个点云。在2005年后，cloudcompare就实现了点云和三角形网格之间的比较。随后，许多其他点云处理算法（配准、重采样、颜色/法线向量/尺度、统计计算、传感器管理、交互式或自动分割等）以及显示增强工具（自定义颜色渐变、颜色和法向量处理，校准图像处理、OpenGL着色器、插件等）