点云入门笔记（二）：点云常用软件、开源库以及数据集_点云数据处理软件有哪些

1、常用软件

（1）开源软件：

CloudCompare
特点：
        开源，且支持多平台(Windows, Mac,Linux)，支持常见的点云数据格式，简单的点云编辑，支持用户自己添加插件和增加新功能(如Ransac，Poisson MeshReconstruction, Classification withCANUPO)，适合于点云可视化，简单编辑或者处理

 

Meshlab

特点：处理和编辑3D三角形网格的开源系统，主要是编辑，清理,修复，检查，渲染，纹理和转换网格的工具3D Acquisition: color mapping andtexturing Cleaning 3D models，支持多平台(Win，Linux, Mac)

 

（2）商用软件：

        Microstation TerraSolid (Bentley):航测，主要适用于机载雷达，获取DEM和建筑建模等Global Mapper Lidar Moduel:主要处理机载激光雷达数据，分类，建模，生成DEM等LiDAR360(数字绿土):林业资源调查，地形测绘等
        点云魔方(中国科学院遥感与数字地球研究所):植被应用，电力巡线等ENVI LiDAR; ArcGIS:含有部分点云处理模块，主要用于遥感和林业
        Cyclone, Cloudworx,TruView:. Leica徕卡开发，主要用于其地面激光雷达和移动（背包式)激光雷达数据处理
        Riscan Pro:主要用于处理Riegl瑞格地面激光雷达数据RealWorks(Trimble):
        Polyworks (Innovmetric); Geomagic (3D systems):逆向工程，主要用于机械测量

2、常用开源库：

 （1）PCL (Point cloud library)
特点
• 支持多平台（Win，Linux, Mac)
• 功能齐全，可扩展性好
• 广泛用于机器人，很多开源算法和系统（ROS)

 

 （2）Open3D
 特点
• 支持多平台
• python集成成熟，可和 Pytorch,Tensorflow 集成

 

3、常用数据集

（1）ETH dataset
Purpose: point cloud registration
• Scenarios: indoor, outdoor
• Sensors: IMU, GPS, Hukuyo,Leica TS15

（2）Semantic 3d
Purpose: registration, semantic segmentation
• Scenarios: urban and rural scenes
• Sensors: terrestrial lidar

 （3）Stanford 2D-3D-Semantics Dataset (2D-3D-S)
Purpose: indoor scene understanding
• Scenarios: indoor offices
• Sensors: structured-light sensors

 （4）KITTI/KITT-360
Purpose: lidar SLAM, object detection
• Scenes: urban roads
• Sensors: IMU, GPS, velodyne