1.软件快速入手

官方文档链接分享：

https://www.cloudcompare.org/doc/wiki/index.php?title=Main_Page#Getting_started

CloudCompare是3D点云（和三角形网格）编辑和处理软件。基于C ++开发（处于开源项目中），目前已在Windows，Linux和Mac OS（由于使用C-make）上编译，并且适用于32位和64位体系结构。

2.点云分类（人工）

（1）交互式裁剪

该工具允许用户通过在屏幕上定义多边形（或矩形）来交互式地分割所选实体。此过程可以重复多次，每次都更改实体的方向，以便在 3D 中正确分割实体。每次用户可以决定使点（或三角形）保持在多边形边框的内部或外部。通过主工具栏上的图标或“Edit >Segment”菜单访问此工具，一个新的工具栏将出现在 3D 视图的右上角。

针对于此次实验，步骤如下：

1）启动剪裁模式

选中需要裁剪的文件，打开剪裁工具，点击暂停键符号，界面如果出现可点击鼠标的状态则表示此时可以进行区域选择。

2）选择剪裁样式

默认情况下，该工具以“多边形”编辑模式启动。左键单击：创建一个新的多边形顶点。在创建第一个顶点之后，会立即看到第一个多边形边缘将开始“跟随”鼠标光标，此过程将从下一个边缘开始，依此类推。右键单击：停止多边形编辑（警告：当前的“浮动”顶点不会添加到多边形中）。同样的，可以选择“矩形”编辑模式，通过单击“多边形”图标旁边的向下箭头，将“多边形编辑”模式切换为“矩形编辑”，操作步骤与多边形类似。

3）选择保留样式

完成区域选择后，有两种保留区域的方法，类似于数学上面的集合。一是补集，工具栏上面的红色区域表示为保留区域，根据补集图形概念，选择右边的工具，再选择“√”工具，此时左侧将会生成新的图层，新图层即为裁剪区域内部的点云。二则与一反之。

（2）四类数据的具体切割

裁剪之前，对整个点云数据进行多方位的确定，在大体上对地物等有一个较为清晰的分类，随后，对于每个类别的具体切割方式

1）建筑物类

初步观察点云数据有一处明显的建筑物，通过变换视角，选择四种侧视图或者前视图以及其他角度都可以将该栋大楼切割出来，此处为了易于分辨，将切割的第一栋大楼上色，如下面所示：

同样地，对于除此之外的建筑物因为与道路仅仅相连，且前后端有少量树木遮挡，经观察，宜采用俯视图切割法，图3为人眼识别并切割出来的全部建筑物示意图。

2）道路类

根据需求，只需切割出中间道路的样式即可，观察道路的构造，若从俯视图的方向切割会误切，将不在道路范畴里的路灯、指示牌、树木等切割进去，同时也会包含道路上的车辆（车辆后期可以在道路的基础上分离出来，无前者影响大）。图4为切割方向上道路的示意图，红色区域为切割后的道路区域。

3）树木类、其他类

关闭建筑与道路的点云数据，此时界面有树木和其他两个类别，树木之所以看起来难以切割，是其枝叶四处伸展，且中间有路灯，路牌，树下有行人，公交牌遮挡，故此处我们仍然采用和道路同样的切割方向（参见图4），此处我们的将界面种类粗略的分为树木和其他两类，切割后界面下只剩下其他这一类，根据上面的切割描述我们知道树木的图层内还包含着其他类，故需要我们进一步的细切割。

4）细分割：打开建立好的“tree”图层，放大视图，大概浏览存在的其他类，此处我们看到隐藏在树木中的路灯、路牌，树下的人，选好切割角度，将其他类都切割出来，如下图所示：

（3）图层合并

裁剪完后，根据实验要求，得到了关于建筑、道路、树木以及其他的点云分类，此时在Database tree看到很多的图层，使用“合并”功能可将两个或更多实体合并成一个实体，目前版本支持点云或网格的合并。可通过“Edit>Merge”菜单访问此工具。

合并成一个图层之后，双击可重命名。

颜色功能在“Edit>Colors”，为每一个不同类别的图层赋色，以便于区分。结果如图6所示。

数据如若需要，私聊哇~

激光点云数据编辑处理（一）——CloudCompare相关推荐

基于全景图像与激光点云配准的彩色点云生成算法（2014年文章）
标题:The algorithm to generate color point-cloud with the registration between panoramic imageand lase ...
读自动驾驶激光雷达物体检测技术（Lidar Obstacle Detection）（1）：Stream PCD流式载入激光点云数据
首先贴一下大佬的github链接:https://github.com/williamhyin/SFND_Lidar_Obstacle_Detection 知乎专栏:https://www.zhihu ...
自动驾驶视觉融合-相机校准与激光点云投影
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达作者:william 链接:https://zhuanlan.zhihu.com/p/13626375 ...
基于三维激光点云的目标识别与跟踪研究
基于三维激光点云的目标识别与跟踪研究人工智能技术与咨询来源:<汽车工程> ,作者徐国艳等［摘要］针对无人车环境感知中的障碍物检测问题,设计了一套基于车载激光雷达的目标识别与跟踪方法 ...
基于Bounding Box的激光点云聚类
Camera系列文章传感器融合是将多个传感器采集的数据进行融合处理,以更好感知周围环境:这里首先介绍Camera的相关内容,包括摄像头及图像知识基本介绍,OpenCV图像识别(特征提取,目标分类等) ...
基于RANSAC的激光点云分割
Lidar系列文章传感器融合是将多个传感器采集的数据进行融合处理,以更好感知周围环境:这里首先介绍激光雷达的相关内容,包括激光雷达基本介绍(本节内容),激光点云数据处理方法(点云数据显示,点云分割, ...
倾斜摄影三维模型、激光点云、正射影像、数字高程模型如何实现在线浏览？
四维轻云是成都远石技术团队基于浏览器打造的一款地理空间数据管理云平台,可实现TB级大规模倾斜摄影三维模型发布管理,并支持私有化部署和高阶功能定制化开发. 1.注册登录首先在四维轻云官网点击「立即试用 ...
Unity加载倾斜摄影模型/激光点云，开源
[重大更新]现已支持WebGL 业余时间尝试了下用Unity加载倾斜摄影模型/激光点云,目前支持Bentley ContextCapture生成的3MX格式源码见 https://github.co ...
matlab体素化,一种三维激光点云数据快速体素化处理方法与流程
本发明涉及一种三维激光点云数据快速体素化处理方法. 背景技术: 目前,三维激光扫描系统快速发展,由于研究的需要,往往需要把不具有空间长度信息的点数据转为具有三维空间信息的立方体,如何使用软件进行快速. ...
PCL小工具二：使用kitti的GT(ground truth)建立激光点云地图
此代码合并了每一帧的激光点云数据,构成了激光点云地图. ground truth,即真值,在本文简写成GT. 在kitti数据集中,GT代表了世界坐标系下相机的位姿真值,也就是Tcam2world 经 ...

激光点云数据编辑处理（一）——CloudCompare