1) processing of point-clouds
点云数据处理
1.
The paper introduces the basic theory of 3D laser scan technology and processing of point-clouds.
介绍了三维激光扫描的基本理论,探讨了点云数据处理的基本流程,并结合三维激光扫描系统在地形测量中的应用,说明其应用的可行性及存在的一些问题,以利于该技术的进一步研究。
2) huge amount of point cloud
海量点云数据处理
3) point cloud processing
点云处理
1.
Surface provides us with point cloud processing and curve editing and UG provides us with solid modeling,with which the right STL file can be established and the integration of reverse engineering and rapid prototyping is achieved.
通过Sur-face软件强大点云处理功能、曲线编辑功能及UG软件的实体生成功能,形成了无错的STL格式文件,成功的实现了RE/RP的集成,最后指出对不同产品选择适当的CAD建模方法是实现快速原形的关键。
2.
Through research and experiment,JXTA technology was applied to point cloud processing.
介绍了P2P技术,讨论了JXTA技术及其特点,并通过研究和实验把JXTA技术应用到点云处理中。
4) points cloud data
点云数据
1.
Based on the experience in reverse engineering practices, the factors that influenced the accuracy of optical scanning measurement in the acquirement of points cloud data are concluded and analyzed, and the corresponding counterme asures are presented aiming at the sources of errors.
根据反求工程实践经验 ,对利用光学扫描测量技术采集点云数据时影响精度的各种因素进行了归纳与分析 ,并针对造成误差的原因提出了相应的对策。
2.
Three dimensional points cloud data are analyzed by using object-oriented programmer,and the computer-based realization,which is organized by points cloud data of urban building captured by laser scanning,is studied based on image process on the exploration platform of Visual C++6.
采用面向对象程序设计方法对三维点云数据进行分析,研究以Visual C++6。
5) point clouds
点云数据
1.
The results of planar parameters estimation are not accurate by traditional plane fitting methods to point clouds,because the gross error and outliers are not considered.
针对常用的平面拟合方法在点云数据存在粗差或异常值扰动时,存在拟合结果不稳定的缺点,提出了一种稳健的点云数据平面拟合方法。
2.
This paper studies how to generate the slice data from point clouds.
本文研究了逆向工程与快速原型制造集成中的问题，即如何从点云数据生成层片轮廓数据。
3.
This paper studies how to generate the slice data from point clouds, which is the critical problem in the integration of Reverse Engineering and Rapid Prototyping Manufacturing.
本文研究了反求工程与快速原型制造集成中的关键问题，即如何从点云数据生成层片轮廓数据。
6) point cloud
点云数据
1.
Research in segmentation methods for point cloud of autobody surface;
汽车车身曲面点云数据分割方法的研究
2.
Lossless compression method of octree based on 3D point cloud data
一种基于八叉树的3D点云数据无损压缩方法
3.
It is necessary to triangulate the point cloud in reverse engineering and rapid prototyping.
点云数据三角化处理是逆向工程及快速原型领域中不可缺少的环节。
补充资料：测绘数据处理
测绘数据处理
survey data processing
eehui shulu ehuli测绘数据处理(survey data processing)指工程勘察测童中所获得的大量相关数据进行统计、归纳、整理的过程。相关数据包括数字、文字、符号、曲线和图形等，如观测数据、检验数据、原始数据等，对这些数据进行归纳整理、检验分类、计算变换等的处理后，得出工程需要的数据、表册、图形等结果。 测绘数据处理分为一般计算、平差计算和计算机辅助成图。 一般计算包括在工程勘察测绘中，若干工序间各种数据按严格数学关系所进行的计算和变换工作。如大地坐标与高斯一克吕格平面直角坐标的相互转换，平面直角坐标与极坐标的相互转换，各种线路特征点的计算，单纯的统计假设检验，等等。它是分布在各项测绘工作中的一个子工序，特点是数据之间没有几何矛盾，不需进行几何平差。 平差计算为了消除平面或高程控制网中各观测值之间的几何矛盾(称为几何条件)，按最小二乘法求定控制网中各几何元素(方向、距离、高差、方位、坐标、高程)的最佳估值和评定观测元素及其函数精度所进行的工作。 一个平差计算单元的数据，可分为起始数据(已知高精度的边长、方位、高程等)、观测数据(水平方向、边长、高差等)和待求数据(未知点的坐标、高程等)三类。起始数据和待求数据是非随机性数据。观测数据是随机性数据，含有误差，误差可分为系统误差和偶然误差两类。对某一个具体观测量，在相同条件下作一系列观测，系统误差表现为按一定规律变化或保持常数;而偶然误差在大小和符号上都表现出偶然性，但从大量偶然误差的总体看，它是服从正态分布的，即在一定的观测条件下:偶然误差的绝对值不会超过一定的限值;绝对值小的误差比绝对值大的误差出现的可能性大;绝对值相等的正误差和负误差出现的可能性相等，偶然误差的理论平均值为零。最小二乘法是针对偶然误差的处理方法。 在求定平面控制点的坐标或高程控制点的高程时，必须观测足以确定构网形状的那些量(称为必要观测量)。例如为了确定平面三角形三内角的大小必须观测其中任意两个角度，这两个角度就是必要观测量。但为了检核质量和提高精度还要观测另外一些量(称为多余观测量)。如前述的三角形观测了三个内角，就有一个量是多余观测量，观测量之间就会出现某些几何矛盾，例如平面三角形三内角的观测值总和不等于1800，要消除这些矛盾，即产生平差问题。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条