實景三維集群建模給您好的建議「大勢智慧」

PCL（Point Cloud Library）是在吸收了前人點云相關研究基礎上建立起來的大型跨平臺開源C 編程庫，它實現了大量點云相關的通用算法和gao效數據結構，涉及到點云獲取、濾波、分割、配準、檢索、特征提取、識別、追zong、曲面重建、可視化等。支持多種操作系統平臺，可在Windows、Linux、Android、Mac OS X、部分嵌入式實時系統上運行。

PCL是一個模塊化的C 模板庫，其基于以下第三方庫：Boost、Eigen、FLANN、VTK、CUDA、OpenNI、Qhull，實現點云相關的獲取、濾波、分割、配準、檢索、特征提取、識別、追zong、曲面重建、可視化等。

libpcl filters：如采樣、去除離群點、特征提取、擬合估計等數據實現過濾器；

libpcl features：實現多種三維特征，如曲面法線、曲率、邊界點估計、矩不變量、主曲率，PFH和FPFH特征，旋轉圖像、積分圖像，NARF描述子，RIFT，相對標準偏差，數據強度的篩選等等；

libpcl I/O：實現數據的輸入和輸出操作，例如點云數據文件（PCD）的讀寫；

libpcl segmentation：實現聚類提取，如通過采樣一致性方法對一系列參數模型（如平面、柱面、球面、直線等）進行模型擬合點云分割提取，提取多邊形棱鏡內部點云等等；

libpcl surface：實現表面重建技術，如網格重建、凸包重建、移動zui小二乘法平滑等；

libpcl register：實現點云配準方法，如ICP等；

libpclkeypoints：實現不同的關鍵點的提取方法，這可以用來作為預處理步驟，決定在哪兒提取特征描述符；

libpcl range ：實現支持不同點云數據集生成的范圍圖像。

三維重建技術通過深度數據獲取、預處理、點云配準與融合、生成表面等過程，把真實場景刻畫成符合計算機邏輯表達的數學模型。這種模型可以對如文物保護、游戲開發、建筑設計、臨床醫學等研究起到輔助的作用。三維重建技術的重點在于如何獲取目標場景或物體的深度信息。在景物深度信息已知的條件下，只需要經過點云數據的配準及融合，即可實現景物的三維重建。