河工点云智绘WangG-优快云博客

原创 C++|基于PCL与CloudCompare的渐进形态学滤波（ProgressiveMorphologicalFilter）开发实战

对栅格高程图（DEM）进行一系列开运算，窗口大小按 window_size = initial_size * (growth_factor)^k增长。3.信号槽绑定：在`mainwindow.cpp`中，利用Qt信号与槽机制，将菜单项动作与功能函数关联。4.功能实现：在`mainwindow.cpp`中编写功能函数的具体实现代码，并包含必要的头文件。膨胀（Dilation）：扩大点云的高程（Z值），填充“凹陷”。腐蚀（Erosion）：降低点云的高程（Z值），消除“凸起”。

2025-08-13 18:40:39 255

原创 C++|单木交互式分割武器——利用空间殖民算法实现交互式单木半自动分割

传统单木分割依赖人工勾画或全自动算法（易受遮挡、重叠干扰）。而交互式分割结合人类智能与算法效率：用户只需在树上点一下，基于空间殖民算法自动生成树枝拓扑结构，实现单木分割！吸引点生成：根据用户输入的种子点，自动扩散吸引点（模拟光照需求）。版权声明：本文由河南工程学院河工点云智绘团队原创，转载请注明出处。枝干生长：树枝逐节向最近的吸引点延伸，同时避免与其他枝干冲突。动态优化：自动修剪冗余分支，保留真实树木拓扑结构。抗遮挡：即使树木交叉重叠，也能分离单木。保细节：保留树枝分叉、弯曲等关键形态。

2025-08-05 10:00:00 239

原创圆柱型邻域点密度计算武器：利用圆柱邻域实现点云密度计算

点云密度是三维激光扫描和摄影测量中的重要指标，直接影响后续分类、分割、建模的精度。传统方法多基于球型邻域计算密度，但在长条状物体（如道路、管道、电力线）场景下，圆柱型邻域能更准确反映真实分布特性。球型邻域：以某点为中心，半径为r的球体内点数作为密度。圆柱型邻域：以方向向量n为轴，半径r、高度h的圆柱体内点数作为密度。版权声明：本文由河南工程学院河工点云智绘团队原创，转载请注明出处。密度计算：对每个P_i，筛选圆柱邻域内的点，统计数量N_i。输入：点云+每个点的法向量（或用户指定方向轴）。

2025-08-04 14:35:59 306

原创 C++| CloudCompare显示RGB彩色工具栏实战

云数据包含RGB颜色信息（如摄影测量重建的点云）时，RGB彩色工具栏能让你直观地查看、编辑颜色，甚至基于颜色进行分割和滤波！反射强度显示函数的实现。

2025-07-20 22:01:18 234

原创 C++|给CloudCompare加装专业武器：实现反射强度显示工具栏实战

在点云处理领域，反射强度信息是解锁物体材质属性的关键密钥。本文将手把手教你如何通过C++为CloudCompare开发专业级反射强度显示工具栏，赋予这个开源神器全新的分析维度。反射强度显示函数的实现。

2025-07-19 12:42:09 168

原创 C++ | 基于PCL与CloudCompare的投影点密度法（DOPP）开发实战

DOPP是一种用于点云地面滤波的算法，通过将三维点云投影到二维平面，并分析投影点密度的分布特征来区分地面点与非地面点（如植被、建筑物等）。其核心思想是：地面点在投影平面上通常呈现均匀且低密度的分布，而建筑物点等非地面点则密度高。将投影平面划分为规则网格（如正方形单元格），每个网格大小为cell_size×cell_sizecell_size×cell_size。将三维点云沿垂直方向（通常是Z轴）投影到水平面（XY平面），生成二维投影点集。投影后每个点仅保留水平坐标（X,Y），忽略高程（Z）。

2025-07-18 07:31:32 388

原创 C++|定制 CloudCompare：让“高程渲染”成为点云打开的首选项

CloudCompare 小妙招：点云打开即按高程渲染，一步到位！

2025-07-16 22:05:16 343

原创 C#+Unity3D|无人机LiDAR虚拟仿真软件开发

用GameObject.Find()寻找到线预制体，写方法Liner(Vector3 v2)，用来生成线，传入的参数为被击中点的Vector3，再利用Instantiate(Object original, Vector3 position, Quaternion rotation,Transform parent)方法复制预制体，这个比较好理解了，克隆物体original，拥有父物体，其Position和Rotation由人为设置，而且这里设置的坐标是世界坐标，不是localposition。

2025-07-06 09:00:00 1170

原创 C++|解锁点云无限可能：CloudCompare插件式开发核心指南与实战解析

由于前几天对于矿区林地点云计算多尺度线性度、平面度、散射度特征，利用python代码计算比较耗时，效率不高，决定用C++实现，并分享过程和代码。（2）PCAClassifyPlugin上层目录下（我放在example目录里）的CMakeLists.txt。（2）在Visual Studio中：打开生成的解决方案；（3）将生成的dll文件复制到CloudCompare的plugins目录。三、效果与演示|以多尺度线性度、平面度、散射度计算和分类为例。二、示例|以多尺度线性度、平面度、散射度计算和分类为例。

2025-07-05 22:12:56 897

原创 C++ | 玩转点云：CloudCompare & PCL原生开发核心指南与示例分享

还在为点云处理的效率瓶颈和功能限制发愁吗？面对点云处理个性需求，是否让你感到束手束脚？调试困难、性能受限、定制化需求难以满足... 本次分享将带你深入核心，走进点云深处，揭秘如何直接运用C++进行CloudCompare & PCL的原生集成开发。掌握核心步骤，规避常见陷阱，并附实用开发示例源码。

2025-07-05 09:08:10 553

原创手持激光雷达单木分割——以河南工程学院杰出校友杨靖宇将军雕塑背后树林为例

单木分割（Individual Tree Segmentation）是从激光雷达（LiDAR）点云数据中识别并分离出单棵树木的过程，是林业资源调查、森林碳汇估算、生物多样性研究的关键技术。河南工程学院杰出校友杨靖宇将军雕塑后树林手持激光雷达点云，采集仪器数字绿土LiGrip-H120，采集日期：2025年5月29日，经过高程归一化后的非地面点。使用渐进三角网滤波（PTD）、布料模拟滤波（CSF）分离地面点与非地面点（植被）。基于点云的方法：直接在3D点云中搜索局部最高点（适合稠密点云）。

2025-07-04 11:32:28 398 1