m0_73126623的博客

云杂项：pclpy 点云法线

云杂项：PCL中的3D特征

云杂项：pypcl svd拟合平面

云杂项：pclpy 最小二乘法拟合平面

云杂项：pclpy 拉格朗日乘子法拟合平面

云杂项：pclpy 随机采样一致性识别模型 Ransac

云杂项：pclpy 半径滤波实现

云杂项：pclpy Ransac平面分割算法输出的索引从点云中提取点云的子集

pclpy 参数模型投影

pclpy 可视化点云（多窗口可视化、单窗口多点云可视化）

pclpy SOR去除异常值(统计滤波)

pclpy VoxelGrid 滤波器 (降体素化)

pclpy PassThrough滤波器 （直通滤波）

pclpy OC-Tree “体素内的邻居搜索”、“K 最近邻搜索”和“半径内的邻居搜索”

kd树或 k 维树是计算机科学中使用的一种数据结构，用于在具有 k 维的空间中组织一定数量的点。它是一个二叉搜索树，对其施加了其他约束。Kd树对于范围和最近邻搜索非常有用。出于我们的目的，我们通常只会处理三维的点云，因此我们所有的kd树都是三维的。kd树的每一层使用垂直于相应轴的超平面沿特定维度拆分所有子节点。在树的根部，所有子节点都将根据第一维进行拆分（即，如果第一维坐标小于根，它将在左子树中，如果大于根，则显然将在左子树中右子树）。

kd树或 k 维树是计算机科学中使用的一种数据结构，用于在具有 k 维的空间中组织一定数量的点。它是一个二叉搜索树，对其施加了其他约束。Kd树对于范围和最近邻搜索非常有用。出于我们的目的，我们通常只会处理三维的点云，因此我们所有的kd树都是三维的。kd树的每一层使用垂直于相应轴的超平面沿特定维度拆分所有子节点。在树的根部，所有子节点都将根据第一维进行拆分（即，如果第一维坐标小于根，它将在左子树中，如果大于根，则显然将在左子树中右子树）。

pclpy 连接两个点云

pclpy las转换pcd

pclpy pcd、pcl、vtk等文件读取点云、保存点云、可视化点云

PCD 文件格式并不是要重新发明轮子，而是为了补充由于某种原因不支持/不支持 PCL 为 nD 点云处理带来的某些扩展的现有文件格式。PCD 不是第一种支持 3D 点云数据的文件类型。尤其是计算机图形学和计算几何学社区，已经创建了多种格式来描述使用激光扫描仪获取的任意多边形和点云。

pclpy是点云库(PCL)的Python绑定。使用CppHeaderParser和pybind11从头文件生成。这个库正在积极开发中，目前只支持python 3.6 x64 和 python3.7，推荐使用python3.6。