点云

腾讯混元P3-SAM: Native 3D Part Segmentation论文：https://arxiv.org/pdf/2509.06784 Github: https://murcherful.github.io/P3-SAM/

老歌老听老掉牙

OpenCASCADE 点云拟合曲线与曲面：从零实现到工业级应用在现代几何建模与逆向工程中，点云数据的处理是构建精确 CAD 模型的关键环节。OpenCASCADE Technology（OCCT）作为一款功能强大的开源几何建模内核，提供了从离散点集拟合出光滑 B-Spline 曲线与曲面的能力。本文以 OCCT 7.9.0 为背景，结合 Windows 11 + Visual Studio 2022 开发环境，深入剖析 GeomAPI_PointsToBSpline 与 GeomAPI_PointsToBSplineSurface 的使用方法，解决新版 API 变更

网易独家音乐人Mike Zhou

【Python】圆柱体内部3D点云仿真及ply文件生成，圆形3D点云检测及拟合算法【Python】圆柱体内部3D点云仿真及ply文件生成，圆形3D点云检测及拟合算法更新以gitee为准：管道内管壁ply点云生成及管道检测

论文Review 激光动态物体剔除 Dynablox | RAL2023 ETH MIT出品！题目：Dynablox: Real-time Detection of Diverse Dynamic Objects in Complex Environments

【三维重建工具】NeRFStudio、3D GaussianSplatting、Colmap安装与使用指南场景/物体三维重建过程：首先用colmap估计图像位姿，而后以图像和位姿作为出入，用NeRF或Gaussian Splatting进行三维重建

小冷爱读书

3D Gaussian Splatting for Real-Time Radiance Field Rendering——文章方法精解Structure-from-Motion（运动恢复结构，简称 SfM）是一种计算机视觉技术，可以：利用多张从不同角度拍摄的图像，恢复出场景的三维结构和相机的位置。

三维点云投影二维图像的原理及实现转自个人博客：三维点云投影二维图像的原理及实现三维点云模型是由深度相机采集深度信息和RGB信息进行生成的，深度相机能直接获取到深度图和二维RGB图像，也就是说利用相机原本的关系就可以把深度信息投影回二维图像，即把点云中每个点投影到二维的正确位置，再把原本每个点的RGB颜色信息保留，涂抹到二维的对应位置，就实现了三维点云模型向二维图像的投影。

【OpenCV】双目相机计算深度图和点云双目相机计算深度图的基本原理是通过两台相机从不同角度拍摄同一场景，然后利用视差来计算物体的距离。本文的Python实现示例，使用OpenCV库来处理图像和计算深度图。

【论文阅读笔记】Learning to sample这是一篇比较经典的基于深度学习的点云下采样方法核心创新点：paper：https://arxiv.org/abs/1812.01659 code：

新手小白勇闯新世界

论文阅读（一种基于球面投影和特征提取的岩石点云快速配准算法）粗配准更高精度多测站数据融合摘要：点云配准是三维重建过程中的一个重要步骤。本文基于改进的迭代最近点（ICP）算法，提出了一种岩质点云的快速配准算法。在我们提出的算法中，将单站扫描仪的点云数据通过球极坐标转换为数字图像，然后提取图像特征并去除边缘点，该算法中使用的特征为尺度不变特征变换（SIFT）。通过分析数字图像与三维点之间的对应关系，提取出三维特征点，从中我们可以寻找双向对应关系作为候选对象。采用基于随机抽样的穷举搜索方法消除错误匹配后，通过莱文堡-马夸特迭代最近点（LM-ICP）算法进行变换计算。对岩

3D点云与2D图像的相互转换：2D图像对应像素的坐标转为3D空间的对应坐标2d ----> 3d 对应像素到空间坐标的转换参考：深度相机，通过2d检测得到目标坐标系的3d检测框_深度图到相机坐标-CSDN博客

entwine 和 conda环境下使用和踩坑详细步骤! 已解决Entwine是一个用于海量点云的数据组织库，旨在征服数千亿个点的数据集以及桌面级点云。Entwine可以索引任何[PDAL](https://pdal.io)-并且可以读/写到诸如S3或Dropbox的各种源。构建是完全无损的，因此即使对于TB级的数据集，也不会丢弃任何点。(点云转换器)

Open3D实现点云数据的序列化与网络传输转载自个人博客：Open3D实现点云数据的序列化与网络传输在处理点云数据的时候，有时候需要实现点云数据的远程传输。当然可以利用传输文件的方法直接把点云数据序列化成数据流进行传输，但Open3D源码在实现RPC功能时就提供了一套序列化及传输的方法及思路，那我们就可以搬过来化为己用。

任意空间平面点云旋转投影至水平面—罗德里格旋转公式将三维空间中位于任意平面上的点云数据，通过一系列的坐标变换（平移+旋转），使其投影到XOY平面上，同时保证点云的几何中心与XOY平面的原点重合，同时点云形状保持不变。具体效果如下，具体来说，对于原始点集（红色点集），对其进行平移+旋转处理后，得到新的点云（白色点云），该点云与水平面平行，同时保持与原始点云形状相同。

点云-激光雷达-Slam-三维牙齿

单目测距单目相机测距图片像素坐标转实际坐标的一种转换方案需要相机位置固定原图红色的点是我们标注的像素点，这些红色的点我们知道它的像素坐标，以及以右下角相机位置为原点的x y 实际坐标数值

点云-激光雷达-Slam-三维牙齿

Open3d 点云投影到 xoy yoz 平面最简单的方式(附python 代码)最简单的方式，就是直接把原有的点云的数据的 z or x 赋值为0, 然后生成一个新的点云。

Ubuntu22.04 搭建 PCL 环境（VTK源码安装），PCL测试代码Ubuntu 22.04LTS；cmake-3.25.0；VTK-8.2；PCL-1.12sudo apt-get install freeglut3-dev

PCL平面多边形可视化多边形是一个在二维平面上由直线段（称为边或侧）首尾顺次连接围成的封闭图形。这些直线段也称为多边形的边，而它们的交点称为多边形的顶点或角。在点云边缘点提取后，有时候需要将其进行可视化，如下图所示。

VTK —— 二、教程七 - 对点云进行操作(按下r键切换选取或观察模式)（附完整源码）VTK —— 一、Windows10下编译VTK源码，并用Vs2017代码测试（附编译流程、附编译好的库、vtk测试源码）

KDTree索引(K近邻搜索,半径R内近邻搜索)——PCL截取出兔子耳朵的部分截取出兔子上半身