PCDViewer 5.1.0:点云滤波算法优化与多平台支持详解

pcd可视化软件 PCDViewer Release Page-优快云博客 阅读详情

1. 从“看个大概”到“精准分析”:PCDViewer 5.1.0带来了什么?

如果你也和我一样,经常和激光雷达点云数据打交道,那你肯定明白那种感受:面对海量的、密密麻麻的点,想从中快速分离出地面、建筑、植被这些不同类别,简直就像在沙堆里找金子。以前我用过不少点云处理工具,要么算法效果差强人意,地面和电线杆傻傻分不清楚;要么操作复杂得让人头大,点个按钮都得找半天。直到最近深度体验了PCDViewer 5.1.0,尤其是它这次重点优化的点云滤波算法,我才感觉终于找到了一个趁手的“利器”。这不仅仅是一次普通的版本更新,它直接把点云地面滤波这个核心任务的体验和效果,提升到了一个全新的水准。

简单来说,PCDViewer就是一个专门用来查看和处理PCD格式点云数据的可视化软件。它轻量、快速,对硬件要求相对友好,一直是很多三维视觉、自动驾驶和测绘领域朋友们的入门首选工具。而这次的5.1.0版本,官方把宝押在了“滤波算法”上。他们声称这“很可能是目前你所见到的效果最好的点云滤波算法”,口气不小。我一开始也是将信将疑,但拿自己手头几个棘手的城区和山区数据集试了之后,确实被效果惊艳到了。更贴心的是,这次更新还补齐了Ubuntu 22.04的支持,加上原有的Windows、Ubuntu 18.04/20.04版本,基本上覆盖了绝大多数开发和科研环境。无论你是Windows平台的便捷党,还是Ubuntu环境的开发党,现在都能无障碍地用上这个强化后的工具。

所以,这篇文章我就以一个老用户和实际项目使用者的角度,来给你掰开揉碎讲讲PCDViewer 5.1.0到底好在哪里。我不会只复述更新日志,而是会结合我实际踩过的坑、测试过的数据,带你看看新滤波算法在复杂场景下的真实表现,并手把手教你在不同系统上如何快速安装、配置,以及高效地使用这个全新的滤波功能。我们的目标很明确:让你花最少的时间,把这个工具的核心价值榨干,真正提升你处理点云数据的效率。

2. 核心升级:深度解析优化后的点云滤波算法

这次更新的绝对主角,就是那个经过深度优化的点云滤波算法。在点云处理流程中,地面滤波(Ground Filter)通常是第一步,也是至关重要的一步。它的目的是从原始点云中精准地分离出地面点和非地面点(如建筑物、车辆、树木等)。这一步的精度直接影响到后续的目标检测、三维重建、地图生成等一系列任务的质量。PCDViewer 5.1.0的算法团队显然在这方面下了硬功夫。

2.1 算法效果实测:城区与山区的双重挑战

官方提到,新算法在城区和山区数据上都进行了充分验证。这很关键,因为这两种场景代表了截然不同的挑战。城区数据密集、结构复杂,充满了垂直的建筑立面、悬空的高架桥、低矮的绿化带,地面常常被遮挡;而山区地形起伏剧烈,坡度变化大,传统基于固定高度阈值的滤波方法很容易把山坡误判为非地面。

我用自己的数据做了测试。一个是从车载激光雷达采集的典型城市街道数据,里面混杂了公交车、行人、红绿灯、路牌。使用旧版本或其他一些开源算法时,经常会出现公交车轮子下方的地面被误删,或者低矮的路缘石、草坪被保留为“非地面”的情况。而使用5.1.0的新算法后,地面轮廓提取得非常干净利落,即使是公交车底部这种遮挡严重的区域,也能通过上下文信息较好地推断和保留地面点,道路边界也清晰可辨。

另一个测试数据是丘陵地带的山路。这里最大的难点是陡坡。我试过某个经典算法,结果整个山坡面几乎都被滤掉了,只剩下相对平坦的谷底。PCDViewer 5.1.0的处理结果则合理得多,它能够适应地形的连续变化,将具有一定坡度的自然坡面正确地识别为地面,只把坡面上的树木和岩石作为非地面点分离出来。这种对地形自适应能力的提升,对于测绘、地质分析等应用来说价值巨大。

这种效果的提升,我个人推测并非只是调参,更可能是算法内核的改进。可能融合了更先进的基于坡度的判断、局部表面拟合,或者引入了机器学习分类的一些思想,使得算法对“地面”这个概念有了更鲁棒、更符合人类直觉的理解。当然,作为用户,我们不需要深究其数学细节,但能直观地从处理结果上感受到这种“更聪明”的滤波逻辑。

2.2 工具易用性:对话框与交互流程优化

光有好的算法还不够,用起来顺手才是王道。PCDViewer 5.1.0同步更新了“点云滤波工具对话框”(GroundFilter_dialog)。这个对话框的设计非常直观,没有堆砌一堆让人眼花缭乱的参数,而是把最核心、最影响效果的几个选项放在了明面上。

当你通过点云图层对象的“Ground Filter”按钮或者直接调用对话框时,界面会清晰地让你选择输入点云(支持任意PCD格式),并指定输出文件的路径。这里有一个关键信息:输出点云格式为 pcl::PointXYZL。这个“L”代表Label,即标签。滤波后,每个点都会被赋予一个标签,比如地面点标记为1,非地面点标记为0或其他值。这个设计非常实用,因为带标签的点云可以直接用于后续的分类、统计等任务,无需你再手动去区分。

对话框里通常会有一些可调节的参数,例如网格大小、初始高度阈值、坡度阈值等。PCDViewer 5.1.0的优化在于,它为这些参数提供了更合理的默认值,并且这些默认值在大多数常见场景下都能取得不错的效果。这意味着对于新手或者想快速处理数据的用户,你完全可以直接用默认参数点击“运行”,然后就能得到一个相当可靠的结果。而对于高级用户,你仍然可以微调这些参数来应对极端特殊的场景。这种“开箱即用”且“深度可定制”的平衡,做得相当到位。

3. 多平台无缝衔接:Windows与Ubuntu全版本部署指南

作为一个跨平台工具,部署的便捷性直接影响用户的初体验。PCDViewer 5.1.0这次明确提供了Windows和Ubuntu三个LTS版本(18.04, 20.04, 22.04)的预编译包,这几乎覆盖了当前主流的生产和开发环境,必须给个好评。

3.1 Windows平台:即下即用的极致便捷

对于Windows用户,过程是最简单的。你只需要从提供的百度网盘或优快云文库链接,下载对应的“PCDViewer-5.1.0-Windows.rar”压缩包。解压后,你会看到一个包含可执行文件和相关库的目录。这里没有复杂的安装程序,直接双击 PCDViewer.exe 就能运行,是真正的绿色便携版。

不过有个关键步骤需要注意:License(许可证)替换。软件安装目录里会有一个 License.txt 文件。你需要将官方提供的那个长得像乱码的字符串(例如:b4vZ+#m1hL4BmO?91mtr-Hbm),完整地替换到 License.txt 文件中。注意,是替换文件里的全部内容,不是追加。这一步如果没做,软件可能会无法正常启动或使用完整功能。我一开始就忘了,结果软件一直弹窗提示,踩了个小坑。

3.2 Ubuntu平台:针对不同版本的精准配置

对于Ubuntu用户,你需要根据自己系统的具体版本号,选择对应的安装包。这一点很重要,因为不同Ubuntu版本的系统库(如GLIBC)有差异,混用会导致程序无法启动。

对于Ubuntu 18.04/20.04/22.04用户:

  1. 同样从指定链接下载对应版本的 .rar 压缩包(例如 PCDViewer-5.1.0-Ubuntu22.04.rar)。
  2. 在终端中使用 unrar 或 7z 命令解压(如果没安装,先运行 sudo apt install unrar 或 p7zip-full)。
    unrar x PCDViewer-5.1.0-Ubuntu22.04.rar
    # 或使用7z
    7z x PCDViewer-5.1.0-Ubuntu22.04.rar
    
  3. 解压后进入目录,你会看到一个可执行脚本或二进制文件。通常直接运行 ./PCDViewer 即可。
  4. 同样不要忘记,找到目录下的 License.txt 文件,用官方许可证字符串替换其内容。

有时候,你可能会遇到运行时链接库缺失的问题,比如提示缺少某个 libQt5Core.so.5。这是因为预编译包可能依赖系统中特定版本的Qt库。最简单的解决方法是安装对应版本的Qt运行时库。例如,在Ubuntu上可以尝试:

sudo apt update
sudo apt install libqt5core5a libqt5gui5 libqt5widgets5 libqt5opengl5

一般来说,安装这些基础Qt5库就能解决大部分依赖问题。如果还有问题,可以根据终端报错信息,使用 apt search 和 apt install 来安装缺失的特定库。

4. 实战演练:一步步搞定你的第一份滤波点云

理论说再多,不如亲手操作一遍。下面我就以处理一份城区点云数据为例,带你完整走一遍PCDViewer 5.1.0的地面滤波流程。

步骤一:加载点云数据 启动PCDViewer后,点击菜单栏的 File -> Open,或者直接把你的 .pcd 文件拖进软件窗口。你的点云会以图层(Layer)的形式显示在主视图和左侧的“Layer Tree”中。这里有个5.1.0修复的小细节:现在你可以用 Ctrl+A 在图层树里全选所有项目了,虽然是个小改进,但在管理多个点云图层时确实方便了不少。

步骤二:启动地面滤波工具 在“Layer Tree”中,找到你刚加载的点云图层,右键点击它,在弹出的菜单里你会看到 “Ground Filter” 选项。直接点击它,这是调用滤波功能最快捷的方式。当然,你也可以通过工具栏或菜单栏找到对应的对话框入口。

步骤三:配置滤波参数 这时,“GroundFilter_dialog”对话框会弹出来。界面会很清晰地列出:

  • Input Cloud: 自动关联了你刚才选中的点云图层。
  • Output File: 点击“...”按钮,选择一个路径并为你滤波后的结果起个名字,比如 filtered_ground.pcd。

对话框中的参数设置区,我建议新手第一次使用时,保持所有参数为默认值。相信我,优化后的算法默认值已经调得很好了。直接点击“Run”或“OK”按钮。

步骤四:查看与验证结果 处理速度取决于你的点云数据量。完成后,滤波生成的新点云文件会自动加载到PCDViewer中,作为一个新的图层出现。为了对比效果,你可以在“Layer Tree”中关闭原始点云图层的显示(取消勾选),或者调整新图层的渲染颜色。例如,你可以将地面点设置为棕色,非地面点设置为绿色,这样就能一目了然地看到分离效果。

关键检查点:

  1. 道路连续性:检查主要路面是否被完整、连续地提取出来,中间不应有奇怪的孔洞。
  2. 建筑物分离:检查建筑物立面是否被干净地剔除,屋顶点是否正确地归入了非地面点。
  3. 细节保留:观察路缘石、低矮的绿化带等。一个好的滤波算法应该能识别出路缘石是“地面”的边界而非障碍物,同时将密集的灌木丛识别为非地面。

如果对默认结果在某些局部不满意,你可以重新打开对话框,微调参数。比如,如果发现某个缓坡上的点被误滤掉了,可以尝试适当增大“坡度阈值”(Max Slope);如果发现一些低矮的障碍物(如马路牙子)被误留在地面点中,可以尝试略微减小“初始高度阈值”(Initial Distance) 或调整“网格分辨率”(Cell Size)来获得更精细的分类。每次调整后,记得输出到不同的文件名,方便对比。

5. 进阶技巧与避坑指南

掌握了基本操作后,还有一些技巧和注意事项能让你用得更溜,避开我当初遇到的那些坑。

技巧一:利用图层标签进行后处理 滤波输出的 pcl::PointXYZL 格式是你的宝藏。这个“L”标签字段,在PCDViewer里虽然可能不直接显示为颜色,但数据是存在的。你可以利用PCDViewer的“属性查询”工具,点击某个点,查看其标签值。更强大的用法是,你可以将这份带标签的PCD文件导入到Python(使用open3d或pcl库)或CloudCompare等更专业的软件中,根据标签值(例如,地面点为1,非地面点为2)轻松地对点云进行着色、按类别提取子集或进行统计分析,这为自动化流程打开了大门。

技巧二:处理超大规模点云 对于内存无法一次性加载的超大点云(比如几十GB的机载激光雷达数据),直接加载可能会失败。PCDViewer本身更适合中轻量级的可视化。对于这种数据,一个实用的工作流是:先在服务器上用命令行点云处理库(例如PDAL或PCL的命令行工具)进行粗处理或分块,然后将感兴趣的区域或经过抽稀后的结果导出为PCD,再用PCDViewer进行精细化的滤波效果检查和参数微调。PCDViewer在这里扮演的是“算法效果验证器和参数调试器”的角色,非常高效。

避坑指南:

  • 许可证文件格式:替换License时,确保文件是纯文本格式,没有多余的换行符或空格。最好用cat License.txt命令(Linux)或在记事本里检查一下,确保内容就是那一长串字符,别无他物。
  • Ubuntu版本严格对应:千万不要把Ubuntu 20.04的包用在22.04系统上,反之亦然。链接库不兼容会导致程序直接崩溃。如果遇到“无法执行二进制文件”或“找不到动态链接库”的错误,第一反应就是检查下载的包版本是否与系统完全匹配。
  • 滤波不是万能的:尽管新算法很强,但它依然是基于几何特征的滤波。对于极端情况,比如被茂密森林完全覆盖的陡峭山坡,或者充满复杂立交桥和隧道的城市峡谷,可能仍然需要结合其他信息(如强度、回波次数)或进行人工后期修正。理解算法的边界,才能更好地使用它。

经过这一轮深入的折腾和测试,PCDViewer 5.1.0已经成了我处理点云数据时,进行快速地面滤波和效果预览的标配工具。它的“快、准、稳”加上全平台支持,确实大大减少了我在数据预处理阶段的烦恼。如果你也在寻找一个能提升点云处理效率的工具,这个版本绝对值得你花半小时下载和尝试一下,尤其是在面对那些地形复杂的数据时,它的表现可能会给你带来惊喜。

PCDViewer 5.3.0保姆级教程:从点云加载、渲染到地面滤波,手把手教你玩转SLAM数据可视化 本文详细解析了PCDViewer 5.3.0在SLAM数据可视化中的全流程应用,包括点云加载、渲染、地面滤波等核心模块。通过实战案例和性能优化技巧,帮助开发者高效处理自动驾驶与机器人定位中的点云数据,提升算法迭代效率。 阅读详情

相关推荐

PCDViewer 5.1.0保姆级安装教程:Windows/Ubuntu全平台配置指南(附最新License)

本文提供了PCDViewer 5.1.0在Windows和Ubuntu系统下的详细安装与配置指南。内容涵盖环境准备、安装包获取、许可证激活、核心依赖处理以及点云滤波等核心功能的实战操作,帮助用户快速部署这款专业的点云可视化软件,并解决常见问题。

weixin_29218509的博客 433

PCDViewer的常用操作

PCDViewer是一款功能强大但操作极为简单的点云可视化和编辑软件,支持对点云的渲染显示、查询、量测、建图拼接、编辑、格式转换等功能,同时支持了pose文件、矢量文件等的显示。PCDViewer目前提供了Windows、Ubuntu18.04、Ubuntu20.04等版本。本页面总结了PCDViewer的基本、常用操作。在安装目录下,双击PCDViewer,或者通过命令行打开PCDViewer,即可启动软件。软件支持pcd、ply、las点云文件的打开。

Jacky_546287052的专栏 1万+

PCDViewer保姆级教程:从安装到实战,手把手教你玩转点云可视化与编辑

本文提供PCDViewer的全面教程,从安装配置到点云数据处理实战,涵盖环境准备、数据加载、可视化定制及高级功能应用。通过城市道路点云分类案例,详解核心操作与效率技巧,帮助用户快速掌握这一测绘与自动驾驶领域的强大工具。

weixin_42531779的博客 262

PCDViewer Release Page

PCDViewer 3.3 发布 主要更新:

Jacky_546287052的专栏 2万+

Windows下开箱即用的PCD点云查看与地面点分离工具(含滤波模块)

PCDViewer 5.2.2便携版专为Windows设计,不需安装直接运行,支持PCD、PLY、LAS等常见点云格式,能快速加载大规模数据并按颜色、强度、高程、类别等字段实时着色渲染,帮助直观识别道路、植被、建筑等地物。提供点选查询坐标、测量两点距离/多边形面积/三维体积、手动标记与删除异常点等基础编辑功能,适合点云质量检查和简单标注。配套独立地面滤波程序(GroundFilter_dialog.exe),可自动区分地面点与非地面点,常用于地形建模、高精地图构建及SLAM建图前的数据预处理。所有依赖已内置

loss4bartender的博客 308

PCDViewer-5.1.0-Windows.zip

PCDViewer-5.1.0-Windows.zip

点云可视化和编辑工具 PointCloudVeiwer-PointCloudLabeler

一款好用的点云可视化和编辑工具。 支持超大数据量点云显示; 提供了透视投影和正投影两个版本; 支持pcl pcd格式点云和LAS点云数据; 支持按高程/类别/反射值等显示点云; 支持按pose显示拼接点云; 支持自动旋转展示点云; 提供了方便的编辑操作快速完成对点云的编辑; 提供了方便的快捷键进行各种操作。 欢迎试用! 链接: 1) 链接: https://pan.baidu....

Jacky_546287052的专栏 1万+

PCDViewer-5.4.0-Windows.rar

一款轻量而功能强大的点云可视化和编辑软件,支持pcd, ply, las等多种格式,轻松打开海量点云数据,支持多方式多字段渲染点云,对点进行方便的查询、量测和编辑,提供了地面滤波算法,可应用于测绘、高精地图、SLAM等领域。 PCDViewer是一款专业的点云数据处理软件,特别适用于处理和编辑大规模点云数据。该软件支持多种点云文件格式,包括pcd、ply和las等,这些格式广泛应用于激光雷达扫描数据、三维建模以及其他测绘技术。PCDViewer的强大之处在于其轻量级的系统要求与丰富的功能集,使得用户可以在Windows、Ubuntu等操作系统上轻松运行软件,高效地处理海量点云数据。 这款软件的一个主要特点是其多方式多字段渲染点云的能力。这允许用户根据不同的属性,如颜色、强度、高度等,对点云进行视觉上的分类和区分,从而更直观地分析和理解点云数据。此外,PCDViewer还提供了方便的查询、量测和编辑功能,允许用户直接对点云数据进行操作,诸如添加注释、删除噪声点或进行精确测量等,极大地提高了工作效率。 软件还内置了地面滤波算法,这一功能对于测绘学、地理信息系统(GIS)以及机器人导航和定位(SLAM)等领域尤为关键。地面滤波算法能够从点云数据中分离出地面点和非地面点,这对于如道路建模、地形分析、植被测量等应用来说至关重要。通过分离地面点,可以更准确地进行地面建模和地形特征分析,为自动化系统提供清晰的环境地图。

PCDViewer 安装启动教程(非官方)

在安装使用开源软件PCDViewer安装目录下运行:找不到命令这是执行权限的问题,在目录下输入如下:就可以解决这个问题了将PCDViewer的当前目录添加到中为了动态链接器能够找到相应的库文件,可以按以下步骤操作:a. 确定PCDViewer的当前目录: 假设你已经知道了PCDViewer的安装目录(例如,),这就是你要添加到ld.so.conf文件中的目录。b. 编辑文件: 使用编辑器打开文件。在这个文件中,你会看到类似的行,这意味着该文件包含了目录下所有的.conf文件。

m0_65796085的博客 1594

PCDViewer-5.5.2-Windows.tar.gz

一款轻量而功能强大的点云可视化和编辑软件,支持pcd, ply, las等多种格式,轻松打开海量点云数据,支持多方式多字段渲染点云,对点进行方便的查询、量测和编辑,提供了地面滤波算法,可应用于测绘、高精地图、SLAM等领域。 PCDViewer是一款专业的点云数据处理软件,特别适用于处理和编辑大规模点云数据。该软件支持多种点云文件格式,包括pcd、ply和las等,这些格式广泛应用于激光雷达扫描数据、三维建模以及其他测绘技术。PCDViewer的强大之处在于其轻量级的系统要求与丰富的功能集,使得用户可以在Windows、Ubuntu等操作系统上轻松运行软件,高效地处理海量点云数据。 这款软件的一个主要特点是其多方式多字段渲染点云的能力。这允许用户根据不同的属性,如颜色、强度、高度等,对点云进行视觉上的分类和区分,从而更直观地分析和理解点云数据。此外,PCDViewer还提供了方便的查询、量测和编辑功能,允许用户直接对点云数据进行操作,诸如添加注释、删除噪声点或进行精确测量等,极大地提高了工作效率。 软件还内置了地面滤波算法,这一功能对于测绘学、地理信息系统(GIS)以及机器人导航和定位(SLAM)等领域尤为关键。地面滤波算法能够从点云数据中分离出地面点和非地面点,这对于如道路建模、地形分析、植被测量等应用来说至关重要。通过分离地面点,可以更准确地进行地面建模和地形特征分析,为自动化系统提供清晰的环境地图。

QMT vs Ptrade:量化交易新手如何根据需求选择券商系统(附实战案例)

本文对比了QMT和Ptrade两大券商量化交易系统的核心差异,帮助量化交易新手根据需求选择合适的平台。QMT适合技术面策略开发,执行效率高;Ptrade则提供全面的财务数据和复杂策略支持。通过实战案例,展示了如何结合两平台优势实现高效量化交易。

weixin_42683394的博客 528

PCDViewer 漫游播放器(Roam Player )

用PCDViewer显示地库点云建图效果

Jacky_546287052的专栏 1099

AFSim 2.9实战指南:从入门到精通的中文教程

本文是AFSim 2.9的实战指南,提供从零开始的中文教程。内容涵盖仿真环境搭建、实体行为控制、脚本编写,到传感器、武器系统集成与复杂想定构建,最后讲解数据记录与结果分析方法,帮助用户快速掌握这一强大的军事仿真框架。

weixin_29281941的博客 949

PCDViewer 支持图形文件

PCDViewer从2022年开始支持图形文件显示,主要用于自动驾驶高精地图数据。最新5.4.0版本优化了图形文件格式,采用基于Json的简化设计,通过图元(Geometry)和节点(Node)组织场景数据。系统提供五种图元类型(点、线段、三角形、多线段和多边形),各具颜色、大小等属性;节点构成树形结构,支持名称和位姿定义。代码实现了图形数据的序列化/反序列化功能,包括几何体转换、变换矩阵处理和递归节点树操作,为开发者提供了高效的场景表示和文件存储方案。

Jacky_546287052的专栏 407

Lama:基于傅立叶卷积的分辨率鲁棒性大掩模修复

为了缓解修复网络和损失函数都缺乏有效的感受野这个问题,提出了大掩模修复(LaMa)。LaMa基于一种新的修复网络架构,该架构使用快速傅立叶卷积(FFC),具有图像范围的感受野;高感受野感知损失;大型训练掩码,释放前两个组件的潜力。

qq_44926214的博客 1420

【SOC估计】基于EKF与二阶RC等效电路模型的锂电池SOC在线估计算法实现与仿真分析

本文详细介绍了基于扩展卡尔曼滤波(EKF)与二阶RC等效电路模型的锂电池SOC在线估计算法。通过Matlab仿真分析,展示了该算法如何实现高精度SOC估计,相比传统方法显著提升估计精度与鲁棒性,适用于电动汽车、储能系统等关键领域。

1115

PCDViewer-2.0 点云可视化利器

距离PCDViewer-1.0发布过去已经一年多了,一年多以来,PCDViewer获得了很多朋友的下载,身边的用过朋友也给出了不错的反馈,这也给了我进一步更新PCDViewer的动力。我希望用我自身的技术积累,为大家带来更好的使用体验,同时也提高我们的开发和工作效率。因为工作比较忙的原因,PCDViewer的更新一直都断断续续,而更新完到现在发布,中间又经过了一段比较长的时间。不过根据我本身的使用体验,这一次绝对带来了重量级更新。这次更新充分继承了PCDViewer-1.0的优点,又将PCDViewer-1

Jacky_546287052的专栏 1万+

Minitab田口设计实战:如何用正交试验优化遗传算法参数(附完整操作步骤)

本文详细介绍了如何利用Minitab田口设计进行遗传算法参数优化,通过正交试验方法显著提升效率。文章涵盖实验设计、Minitab操作步骤、结果分析及高级技巧,帮助工程师快速掌握这一工业级优化技术,实现算法性能的显著提升。

wind6的博客 866

PCDViewer 3.2 Linux 版(Ubuntu)

PCDViewer Linux版早该和大家见面了!这样好用的软件,如果只有Windows版确实是一大遗憾,由于各方面的原因,Linux版只到现在才和大家见面,在这里向需要的朋友说声抱歉!

Jacky_546287052的专栏 3761

CorelDraw插件开发-Cdr插件-CPG插件-GMS插件-安装位置

文章目录1.gms格式插件2.cpg格式插件3.作者答疑   CorelDraw软件是一款使用非常广泛的矢量图形软件,系统本身提供了非常便利的二次开发环境,制作插件的格式有两种,一种是gms格式的脚本插件,另外一种是cpg格式dll插件。 1.gms格式插件   gms格式插件是使用微软的 VBA 技术,编写和调试都比较方便,从9的版本开始支持。   安装:把gms文件复制到程序所安装的目录 gms 下,一般在C:\Program Files\Corel\CorelDRAW Graphics Suite 1

插件开发 2761

flash均衡磨损--实时保存设备数据

【代码】flash均衡磨损--实时保存设备数据。

Car12 480

【亲测免费】 PCDViewer 4.9.0 点云可视化与编辑软件

PCDViewer 4.9.0 点云可视化与编辑软件 【下载地址】PCDViewer4.9.0点云可视化与编辑软件 PCDViewer 4.9.0 是一款轻量而功能强大的点云可视化和编辑软件。它支持多种点云格式,包括 `.pcd`、`.ply`、`.las` 等,能够轻松打开和处理海量点云数据。软件提供了丰富的功能,包括...

gitblog_09773的博客 1231

电商平台系统需求规格说明书(示例)

​​电商系统​​:指本文件所描述的集商品展示、销售、支付、物流跟踪、用户管理等功能于一体的综合性在线购物平台。​​API​​:应用程序编程接口(Application Programming Interface),用于实现系统各模块之间或与外部系统之间的数据交互和功能调用。

跟佟格湾一起学习计算机知识吧~ 1269

【亲测免费】 PCDViewer-4.2-Windows 下载介绍

PCDViewer-4.2-Windows 下载介绍 去发现同类优质开源项目:https://gitcode.com/ 欢迎来到PCDViewer-4.2-Windows资源下载页面!本仓库提供了一款优秀的点云可视化和编辑软件——PCDViewer-4.2-Windows。 软件简介 PCDViewer-4.2-Windows 是一款轻量级但功能强大的点云处理工具。它支持多种点云数据格式,如pcd...

gitblog_06747的博客 489

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

上一篇: (三)电机控制实战:方波驱动BLDC与正弦波驱动PMSM在工业应用中的选型指南
下一篇: 【ENSP模拟器】RIPv2实战:从基础配置到高级特性全解析
人间清醒863
博客等级 码龄3年 33粉丝 1544原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值