摘要：
地面点提取算法作为点云后处理算法中的核心一般有以下几类方法可以提取地面点： 1.形态学或者渐进形态学 优点：效率较高。 缺点:对于腐蚀膨胀过程中的参数设置需要基于先验知识，所以效果的稳定性很差，适合处理简单的场景。 2.布料滤波 优点：地面点的准确率相对较高（但是地形缺失严重）。缺点：针对平坦地形的 阅读全文
摘要：
1.选中点云数据节点 2.鼠标绘制多段线右键结束 3. 4. 左侧功能，生成断面线的同时，生成中线；右侧功能直接生成断面线。生成后记得点击保存功能 阅读全文
摘要：
原理:从字面意思上理解，该方法使用了统计学的相关知识来进行去噪处理，其大致思路依据每个数据点到邻域点的平均距离值作为基础，计算上述样本值的标准差，然后用来计算出一个限差，用来判断一个点是否属于噪声。 第一步很明显计算每个点到其邻域点的平均距离； 第二步，依据第一步的值，计算了整体的平均值以及标准差 阅读全文
摘要：
QuadTree.h #pragma once #include <iostream> #include <string> #include <stdlib.h> #include <ctime> #include <vector> #include <algorithm> using namesp 阅读全文
摘要：
今天再次查阅自己过去的博客，然而对具体的原理却不能一一道来，实属惭愧，发现写博客还是得像写科技文一样严谨，个人一直很推崇博客的原创性以及深度（毕竟网上千篇一律的东西太多太多），不过这得花费大量的时间以及精力，但是即使具备了这两个特质也不一定能引起读者的兴趣（可能读者的需求不再在这两点吧），当然把博客 阅读全文
摘要：
1.选中点云数据节点 2.先生成dem数据->contour plot->genarate->export 3.结果 阅读全文
摘要：
本人看过的介绍最清晰明了的一篇博文了，推荐一下： https://zhuanlan.zhihu.com/p/435001757 阅读全文
摘要：
之前有篇博客讲到八叉树的重要性，其基本涉及到了点云算法的方方面面，点云数据在空间上杂乱无序，因为其在空间上并不存在任何拓扑关系，原始点云数据仅仅是该空间内的所有数据点一个简单的集合。八叉树的构建以及其近邻搜索的方法解决了点云数据杂乱无序的问题，让各数据点与其邻域点建立联系，构建八叉树索引后的各数据点 阅读全文
摘要：
一直想写一篇关于八叉树的博客，我的博客大概也快一年没更新了。八叉树的重要性其实不用我再次强调了吧，它涉及到算法的方方面面吧，也是三维点云数据处理的一个重要基石，从显示到交互再到算法八叉树无不扮演着极其重要的角色。当然并不是任何算法都会涉及到八叉树，将三维点云数据处理成二维有时也是一种比较常见的处理手 阅读全文
摘要：
之前我写过关于cloudCompare开发的两篇博客，从访问量来看反响还算可以，该系列第一篇博文，从其它各个网站转载以及其它博主转载加上我本人的博客，网上可查的，这一年的访问量估计突破7000左右，日均差不多20人次的访问量。该系列的第二篇博文，目前我本人博客访问量2000+，其它转载访问量目前还没 阅读全文