qq_40985985的博客

这篇博客将介绍如何使用python-pcl对点云las/laz进行下采样/抽稀，可以根据设置的参数rate决定下采样到原始数据的90%，80%，60%，或者40%，不会完整的按这个梯度递减，但参数rate顺序下降，基本能大致达到这个概率。

1. python las、laz读取与写入2. python .las压缩.laz，.laz与.las互转3. python .laz读取

Windows10下python-pcl的安装步骤说明，亲测ok

点云Las文件是什么？1. LIDAR数据2. LAS点云规格3. LAS Header头文件4. LAS Header版本与LAS点格式5. 点云Header与点格式对应关系6. 示例查看点云文件的规格和格式7. LAS读取可参考 pylas 及 laspy库参考

1. 估算PointCloud的表面法线（Surface Normals）2. 打印点云的法向量结果；3. 存储点云的法向量结果；

安装点云PCL库时，需要额外安装5个依赖库；它们有什么作用呢？如下：Boost: 用于共享指针和多线程。Eigen: 一个标准的C++模板库用于线性代数，矩阵，向量等计算。FLANN：(Fast Approximate Nearest Neighbor Search Library), 快速最近邻逼近搜索函数库，可实现快速高效匹配。OpenNI：一个开源的框架，用于3D传感器中间件的应用开发。VTK：三维点云的可视化和渲染。计算机图形学，图像处理，可视化方面的库。...

基于法线差异来分割点云1. 法向量的计算及可视化法线又称法向量，因为在三维的点云中，根据一个点的K近邻点或者一个点的radius半径范围内的点拟合一个平面，而垂直这个平面且经过改点的线称之为法向量。法向量是点云点到另一个点的有方向的线段，可视化法向量，其实就是可视化的这条有方向的线段。上一节已经学习了 使用积分图像进行正态估计，得出点云的法向量，并将其可视化显示或者存储。那法向量还可以做什么呢？这一节将来探索基于法向量的差异来分割点云；在本教程中，我们将学习如何使用在pcl :: Differe

Python、C++ 的las转pcd文件

1. 点云重采样基于多项式平滑点云及法线估计的曲面重建以实现重采样，可以使得点云数据更规整一些，没之前那么杂乱。set_Compute_Normals(True) 可以通过在最小二乘法中进行法线估计，提高重采样准确度；set_polynomial_fit(True) 可以通过不需要多项式拟合来加快平滑速度，设置为True则在整个算法运行时采用多项式拟合来提高精度；2. 效果如下：重建前：正面：侧面：重建后：正面：侧面：可以看到重采样后点云的形状清晰了许多。参考：htt

点云去除离群点方法：StatisticalOutlierFilter原理：使用K近邻方法找到点云中每个点k近邻，计算出标准距离；设置俩个点之间距离超过标准距离*std倍数的为离群点。结果：将点云分为俩部分，内点以及离群点。通过设置 set_negative 可保存离群点的点云文件，也可保存内点点云文件。官方示例效果如下：原始点云：内点点云：离群点云：可以看到柱子腿旁边的离散的点被去掉了。官方数据集的效果比较好，具体应用到自己的数据集上，点云密度太大，一个是耗时，另一个效果也不是那么好

点云数据主要是表征目标表面的海量点集合，并不具备传统实体网格数据的几何拓扑信息。点云处理中最核心的问题就是建立离散点间的拓扑结构。实现基于邻域关系的快速查找，划分空间的索引结构主要有：k-d tree，八叉树。...

Python-pcl 点云下采样时报错及解决[pcl::VoxelGrid::applyFilter] Leaf size is too small for the input dataset. Integer indices would overflow.[pcl::VoxelGrid::applyFilter] Leaf size is too small for the input dataset. Integer indices would overflow

根据python-pcl官方文档介绍： 建议在ubuntu、macos、windows上使用python-pcl。测试得出：windows安装：windows10+pcl1.8+python-pcl（pip安装）亲测可行ubuntu安装：pcl1.8，python-pcl（pip安装） 会寻找.so 文件各种找不到，即使找到.so全部复制过去也会报错centos安装：pcl1.7，python-pcl（pip安装）调用会报错最终解决： 寻找安装成功的Docker镜像

RANSAC 随机采样一致性算法RANSAC是一种随机参数估计算法。RANSAC从样本中随机抽选出一个样本子集，使用最小方差估计算法对这个子集计算模型参数，然后计算所有样本与该模型的偏差，在使用一个预先设定好的阈值与偏差比较，当偏差小于阈值时，该样本点属于模型内样本点（inliers），简称局内点或内点。否则为模型外样本点（outliers）。然后迭代，取inliers的个数最多的作为结果返回；PCL中Sample_Consensus支持的几种几何模型有：SACMODEL_PLANE:平面模

GPU Tutorials配置你的电脑以在PCL中使用Nvidia GPU该教程解释怎么配置PCL已使用Nvidia GPU使用Kinfu大比例尺生成纹理网格该教程演示如何使用KinFu大比例尺从房间生成网格，并在后期处理中应用纹理信息以获得更吸引人的视觉效果。使用点云库检测人及他们的姿势该教程提供了一个人及其姿势检测的方法。Input and Output TutorialsPC...

https://python-pcl-fork.readthedocs.io/en/rc_patches4/tutorial/application.htmlpython-pcl TutorialApplications Tutorials 应用教程Features Tutorials 特征教程Filtering Tutorials 过滤教程GPU Tutorials 界面化...