1. 为什么要从CloudCompare开始学点云处理点云处理这个领域说大不大说小不小。干这行的人都知道手里一旦攥着几百万甚至上千万个三维点光靠写代码去可视化、去滤波、去配准起步成本其实挺高的。但实际落到项目里很多需求根本不需要自己从零造轮子——你只需要一个靠谱的、算法齐全的、能快速看到结果的工具把流程跑通再决定要不要写脚本固化下来。这也是我做了这么多年点云相关工作依然在给别人讲课时把CloudCompare放在第一位的原因。CloudCompare本身是一个开源的三维点云处理软件最早是法国电信实验室和EDF研发的东西后来开源出来慢慢变成了点云圈子里事实上的“瑞士军刀”。它能做什么简单说就是你想对点云做的常规操作它基本都有。可视化、降采样、去噪、法线估计、配准、分割、测量、网格化重建、点云转三维模型、导出各种格式一条龙。而且它是跨平台的Windows、Linux、macOS都能跑还支持命令行批处理。对于测绘、林业、建筑遗产数字化、逆向工程、SLAM数据后处理、3D打印前期建模这些人来说拥有了它就等于装备了进入点云世界的第一套完整工具箱。写这篇文章的初衷是想把自己从零摸索到实际项目落地这套工作流的过程整理出来。网上关于CloudCompare的信息其实很零散要么是某个单一功能的演示要么是视频里一闪而过的操作缺少一条主线。所以这篇内容会沿着“下载安装—界面认知—核心操作—点云转三维模型—问题排查”这条路径走一遍尽量做到每个环节都有原理说明、有参数参考、有避坑经验。适合刚接触点云的人也适合那些已经用过一些功能但没系统梳理过流程的从业者。提示全文所有操作均以CloudCompare 2.13.x版本为参考不同版本菜单位置可能略有差异但底层算法和参数逻辑是一致的换个版本也能跟得上。2. 环境准备下载、安装与首次启动2.1 干净可靠的下载渠道与版本选择先说下载这个看似简单实际上不少人一搜“cloudcompare下载”就进了第三方下载站装了一堆捆绑软件有的还装上了旧版本缺少很多新功能。官方下载渠道只有两个地方官网的Download页面以及GitHub上的CloudCompare/CloudCompare仓库。官网下载页面会同时提供Windows安装包和解压版macOS的dmg以及Linux下的Snap包、AppImage包和源码压缩包。GitHub上则是最新的release版本如果你是开发者可以直接clone源码自己编译。版本怎么选我的建议是直接选最新的稳定release。原因很简单CloudCompare的算法模块更新挺频繁的新版本往往修复了一些崩溃问题也增加了对最新点云格式的支持。有些老教程还在用2.10甚至更早的版本界面看起来就会和现在差很多对新手不友好。如果你使用的是官方release里带数字版本号的包比如2.13.2这类基本就是稳定线的代表。如果你天天和大型点云打交道愿意承担一些试验性风险也可以试试最新快照版但我不建议生产环境下用。2.2 Windows和Ubuntu下的安装要点Windows下安装没什么技术含量下载安装包后一路下一步就行。如果你不想污染系统直接下载“portable version”解压到一个目录就能跑连环境变量都不用配。这也意味着你可以把CloudCompare装进U盘里换电脑即插即用这点做现场项目的人会很爱。Ubuntu下的安装其实比很多人想象的简单。最省事的方式是Snapsudo snap install cloudcompare装完就能在应用列表里找到终端里也可以直接输cloudcompare启动。不过Snap版有一个特点它对主目录以外的路径访问有权限限制处理外部磁盘数据时可能需要手动授权这一点要注意。 如果你用的是纯命令行服务器版或者想用最新版本也可以下AppImage直接运行chmod x CloudCompare-x86_64.AppImage ./CloudCompare-x86_64.AppImage当然如果机器上没有合适的图形界面依赖库AppImage可能会提示缺少libfuse之类的东西这个在Ubuntu 22.04以后比较常见装一下就行sudo apt install libfuse2我个人的偏好是平时在Windows上处理项目数据在Linux服务器上主要跑命令行批处理。CloudCompare的命令行模式后面会专门讲到机器资源吃紧或者数据量大的时候这一招能救命。2.3 第一次启动认识点云数据的基本格式启动后首先需要打开一份点云数据。CloudCompare支持的点云格式多到离谱常见的就有LAS/LAZ、PLY、XYZ、OBJ、E57、PTX、PCD、TXT、BIN等等。对于新手我建议从PLY或XYZ开始因为这两种格式结构简单理解起来容易。在CloudCompare里打开文件的入口是左上角的打开图标或者菜单File Open。选好文件后弹出来的对话框里有个“Global shift”的提示这个后面专门讲。点云加载后中间的三维窗口里会出现一堆点这时你可以用鼠标左键旋转视角滚轮缩放中键平移快捷键F可以“缩放至最佳视角”。如果打开了文件但界面一片空白先按一下F键大概率是视角没对上。打开后左侧的DB Tree数据树里会多出一条记录这就是当前加载的点云。点选这个记录后下方的Properties面板会显示点云的各种属性比如点数、坐标范围bounding box、点间距分布、RGB信息、法线信息等。这一步虽然看起来简单但它是理解后面所有操作的基础——因为CloudCompare里几乎所有算法都是针对当前DB Tree中被选中的对象来执行的。3. 界面认知与核心操作逻辑3.1 三维窗口和左侧数据树的分工很多人第一次打开CloudCompare心里会犯嘀咕这界面怎么这么朴素没有大图标没有五颜六色的面板看起来甚至有点“程序员审美”。但用久了你就知道这种设计的可定制性非常高效率也比传统GIS软件那种大面板高得多。整个界面可以分成三块区域。中间最大的区域是三维显示窗口负责可视化左侧是DB Tree数据树负责管理你加载的所以对象下方是Properties属性面板负责显示当前选中对象的属性以及各种显示参数。这三个区域配合起来就是一个完整的工作流有数据、有视图、有参数。DB Tree是理解CloudCompare所有操作的钥匙。你可以把它想成一个图层管理器但它比图层管理器更细致——每个点云对象下面都挂着颜色字段、SF字段Scalar Field标量字段、法线信息等子项。这些子项有的可以点击开关显示有的可以拖动到颜色字段当作“着色变量”使用。比如你打开一个LAS文件DB Tree里的点云对象下通常会列出“Classification”这个标量字段把它拖到显示颜色上点云就会按地物分类用不同颜色显示。3.2 点云的基本概念与显示控制在正式进入操作前有一组概念必须搞清楚点云本质上是一组三维坐标点一般情况下每个点由XYZ坐标构成可能还附带颜色RGB、强度Intensity、分类值Classification、扫描角度等属性。这些“附带属性”在CloudCompare里统一以SF字段的形式出现。显示控制上CloudCompare有一个很有用的东西叫“显示参数”Display Parameters在选中点云对象时下方的Properties面板里能找到。比如点的大小可以调节颜色可以切换为“纯色”、“RGB”或“按SF字段着色”。调节点大小这个操作在新手里经常被忽略但实际处理大点云时非常关键。如果你打开一个海量点云默认的2号像素点大小会导致画面密密麻麻什么都看不清这时候把点大小调小到1甚至0.5立刻清爽很多。再有一个高频率操作缩放至范围。选中对象后按键盘F键视角会自动缩放到这个对象的外包围盒按O键可以切换正交投影和透视投影。在配准、测量这类精度要求比较高的场景下我建议切换到正交投影因为透视投影会带来视觉变形影响你对位置关系的判断。3.3 快捷键和默认单位这些小细节小细节往往决定操作体验。CloudCompare里几个关键的快捷键空格键隐藏/显示当前选中对象F5切换显示法线F6切换显示标量场颜色F7切换显示RGB颜色F8切换点显示方形/圆形。这些快捷键在数据量大的时候尤其有用因为频繁去点菜单和控制面板效率实在太低了。另一个细节是单位问题。CloudCompare本身是无单位软件数据里的坐标数值是多少就是多少它不管这是米还是毫米。所以在开始处理数据前务必确认你的数据源坐标单位是什么。比如激光扫描仪导出的数据通常是米摄影测量软件导出的可能是毫米而某些建筑BIM导出的模型可能是厘米甚至是英寸。单位搞错了后面积算体积、测量距离都会差几个数量级排查起来非常痛苦。4. 从入门到常用配准、去噪、分割与测量的实战路线4.1 配准让多站扫描数据对齐的ICP实操先讲配准因为这是实际项目里遇到最多、也最容易搞乱的一步。配准解决的核心问题是你从三个角度扫描了同一个物体得到了三片点云每一片都有一部分重叠区域但现在它们各自的坐标位置不同如何把它们拼到同一个坐标系下构成完整的模型CloudCompare里有两级配准思路。第一级是粗配准就是先人肉操作把两片点云大致对齐到比较接近的位置。这个操作在Tools Registration Align (point pairs picking)里。它的原理很简单你在两个点云上分别选取对应的点对比如一个特征角点各点一次软件就根据这些点对计算出一个旋转平移矩阵把一个点云变换到另一个点云的位置上。粗配准至少要选取3对不共线的点点数越多结果越稳定建议选4到6对分布均匀的特征点并且点对之间的位置要尽量分散。第二级是精配准也就是ICPIterative Closest Point。CloudCompare里的入口在Tools Registration Fine registration (ICP)。ICP的原理一句话概括通过迭代寻找源点云和目标点云之间最近的点对不断计算最优变换让两点云之间的均方根距离RMS越来越小直到收敛或达到迭代上限。在实操中ICP参数设置有几个坑要避开。第一个是“Max distance”即最近点搜索半径。这个值如果设置得太小很多对应点对找不到配准效果差设置得太大计算量巨大且容易把非对应点引入计算。一个实用的经验值是取目标点云平均点间距的10到20倍。第二个是“Iteration count”默认20次通常够用但如果源点云初始位置离目标太远20次内可能还没收敛可以增加到50次甚至100次配合观察“RMS”的变化曲线来判断是否已经收敛。还有一个重要开关叫“Use RGB data”和“Adjust scale”一般不用动前者在点云颜色纹理信息特别丰富且几何精度差的时候才考虑开启后者只有在两片点云尺度不一致时才需要打开——而很多时候尺度不一致是单位不同造成的举例来说一片点云单位是米、另一片是毫米用“Adjust scale”可能会匹配出一个比例因子但根本解法还是把单位统一后再配准。注意ICP是一个局部优化算法它对初始位置比较敏感。如果两片点云在粗配准阶段偏离太远直接上ICP很容易掉进局部最优表现为配准后出现明显错位但软件报告RMS已经很低。正确的做法是粗配准阶段多花点时间反复用辅助视图和正交投影检查对齐情况再进入ICP精配准。4.2 去噪与降采样数据减负的正确姿势点云数据很少有“干净”的。扫描时产生的噪音点是常态激光打在玻璃上产生飞点边缘区域产生拖尾远处低置信度的噪声点摄影测量匹配出的离群点。这些噪声如果不处理轻则影响后续配准精度重则导致表面重建时生成一堆诡异的飞面。CloudCompare里有两组工具专门干这个事。第一组是去噪入口在Tools Clean SOR filterStatistical Outlier Removal统计离群点滤波器。SOR的原理是对每个点的邻域计算一个平均距离然后统计整个点云所有邻域平均距离的分布把那些邻域平均距离偏离全局均值太多的点判定为离群点并删除。每个点的邻域大小由“Number of neighbors”控制通常设置在6到30之间判断阈值的“Standard deviation multiplier”默认是1想去除得更保守一点就调到2或3想激进一点就调小到0.5。第二组是降采样。点云动辄几百上千万点很多算法在这么大规模的数据下计算量会非常恐怖所以处理前先减负是个好习惯。CloudCompare里最常用的降采样是“Subsample”工具里的“Space”模式也就是体素栅格降采样。原理是把三维空间划分成固定大小的立方体格子每个格子内只保留一个代表点通常取格内所有点的重心坐标。这一步的关键参数是格子的边长即最小点间距。边长越大点数减少得越厉害但细节保留得也越少。一个建议是先打开点云查看点间距分布然后用一个略大于平均点间距的值来做降采样这样既能有效减负又不至于破坏细节。区别在于SOR去噪更适合删除离散的“飞点”而体素栅格降采样更适合对整体密度过高的点云进行均匀的简化。两者在实际流程中常常搭配使用先去飞点再降采样然后才进入配准或重建环节。4.3 分割从整片点云里抠出目标区域分割的本质是把一整片点云按某个逻辑拆成多个有意义的部分比如从一片包含建筑、植被、地面的城市点云里把建筑单体抠出来或者从一片包含多个物体的桌面点云里把每一个物体单独分离。CloudCompare里最常见的分割方式是“Connected Components”连通成分提取。入口在Tools Segmentation Connected Components。它的原理是以八叉树结构把点云在空间上划分成小格被判定为连通的小格会合并为一个整体。实际操作中你先要设定一个八分体大小octree size这个值决定了分割的粒度然后软件会识别出所有空间上连通的点簇你在弹出的对话框里可以通过预览颜色来检查分割效果再用鼠标逐个点击挑选出需要的成分保留或者删除。这个方法只对空间上互相分离的对象有效适用于抓取地面上的独立物体、建筑物外壳等场景。另一个常用分割手段是“区域生长”Region Grow入口在Tools Segmentation Region Grow。它的原理是以某个种子点为起点在邻域内寻找满足法线方向相似、几何距离相近的邻近点把符合条件的点不断加入当前区域直到没有新的点满足条件为止。这个工具在提取平面结构如墙面、地面、屋顶时非常顺手。参数上有法线方向夹角阈值和点间距阈值两个核心值实际操作中我一般先用默认值跑一遍如果结果把不同平面粘在一起了就调小法线夹角阈值如果同一平面被拆成好几块就调大间距阈值。此外做地形项目的人一定绕不开CSF地面滤波Cloth Simulation Filter它把一片点云分成地面点与非地面点原理是模拟布料从上方降落到地形表面贴合地表的布料就是地形面分离出来的点就是地面点。入口在Tools Segmentation CSF Filter。这个工具的参数里最重要的是“Cloth resolution”通常建议设置成点云平均点间距的2到4倍这样布料能较好地贴合地形表面又不至于钻进植被和地物缝隙里。实测效果比很多商业软件自带的滤波都要靠谱。4.4 测量点间距、距离、面积与体积计算日常项目里用到测量的场景非常多。清点一段管线长度算一堆土方量或者量一个不规则物体表面的面积这些在CloudCompare里都有现成工具。点间距测量在Tools Measure Point list picking里。选中这个工具后在点云上连续点击多个点它会实时显示相邻点之间的距离以及累计路径长度。这个功能在布设线性测量时非常实用比如量道路边线的总长度。两点之间的距离和方向角在Tools Measure Distance里。它会计算两点间的3D距离、水平距离、垂直距离还有方位角和俯仰角。在检查两期数据变形量时可以直接用这个逐点对比。面积测量则用Tools Measure Surface。这个工具允许你在点云上点击一系列点围成一个多边形软件会计算这个空间多边形的实际面积。注意它计算的是三维空间的面积不是投影面积所以即使你在一个坡面上选点算出来的也是坡面面积而不是水平投影面积。在计算屋顶面积、边坡面积时这个特性非常有用。体积计算稍微复杂一点但也是高频需求。CloudCompare里的体积计算基于2.5D网格也就是说它把三维空间中的一个方向默认是Z方向当作高程方向构建一个规则网格然后比较网格曲面与参考平面之间的体积差。这个工具叫作“Tools Volume Compute 2.5D Volume”。你需要提供两个DSM数字表面模型或者一个点云加一个参考平面。比如你有施工前的点云和施工后的点云就可以通过这个工具算出土方变化量。网格分辨率grid step的设置会直接影响体积精度太粗糙了体积偏差大太精细了可能出现空洞导致体积计算失败。经验值是设置为你点云平均点间距的2到5倍。5. 核心大招CloudCompare点云转三维模型实战5.1 建模前的严格预处理流程“点云转三维模型”可能是搜索“cloudcompare点云转三维模型”的人最想解决的问题。这个功能的确存在而且效果还不错但很多人在这一步翻了车——建出来的模型不是有破洞就是表面凹凸不平、面目全非。绝大多数问题的根源都是预处理没做好直接上网格化。建模前点云必须满足三个条件噪声足够少、密度相对均匀、法线方向一致。三者缺一不可。噪声去除的方法前面已经讲过SOR跑一遍把明显的离群点消灭掉。然后是降采样到合理密度。这里千万注意不是点越密越好。密度特别不均匀的点云在重建时稀疏区域会产生大三角面片导致模型表面在局部出现不正常的拉扯稠密区域则会产生海量小三角片模型文件巨大渲染卡顿。处理方法是均匀降采样把点间距控制在一个比较接近的值。第三个条件是法线。Poisson重建这类算法强依赖法线信息如果没有法线或者法线方向混乱重建出的模型基本就是一张废纸。5.2 Poisson表面重建参数实战解读法线估计和方向校正之后就可以进入网格化环节了。CloudCompare里的重建工具在Tools Mesh Delaunay 2.5D (best fit plane)和Tools Mesh Poisson Reconstruction这两项。前者适合平面结构占主导的场景后者适合任意封闭三维物体也是绝大多数场景下推荐的选择。Poisson重建的原理可以通俗地理解为把点云当作表面位置的海量“证据”通过求解一个偏微分方程拟合出一个最合理的表面把它包裹住所有点。这个算法的最大优点是天生适合处理带有噪声的、非均匀采样的点云它重建出的表面通常非常平滑细节恢复能力也强。这背后的原因在于Poisson重建强调的是“全局最优”的表面估计而不是局部的粗暴三角化所以对数据中的随机小噪声有一定抵抗能力。Poisson重建最重要的参数有三个。第一个是“Octree depth”八叉树深度它控制重建表面的分辨率。深度每增加1网格分辨率翻倍细节越多计算量也越大。经验值对于建筑这类中等尺度的对象7到8通常足够对于精细的雕塑、零件可以尝试9到10。不要一开始就用10先试7看看效果再逐步加深。第二个是“Point weight”点权重默认是4它控制点云本身对重建表面的“吸引力”。权重越大重建表面越贴近原始点但同时噪声对表面形状的影响也越大权重越小表面越平滑但对细节的保留程度越低。一般4到6是一个比较稳妥的范围如果点云质量特别好可以用更高的值。第三个是“Minimum density”最小密度它是用来剔除重建结果中不可信部分的。算法会根据每个三角面片对应的点密度信息把点密度低于这个阈值的区域裁剪掉。这个参数非常适合用来清理边缘地带或稀疏区域所产生的异常延展面。我通常的做法是先设成0观察重建效果如果出现了明显向外“扯皮”的碎面再用正数把它压掉。重建完成后DB Tree里会多出一个叫“[Mesh]”的对象。选中它你就可以看到生成的三维网格模型。5.3 模型修剪、法线修正与导出STL/OBJ刚生成的网格通常不会十全十美多多少少会有些小瑕疵比如边缘碎面、内部封闭结构、非流形边等。CloudCompare里自带的网格编辑工具不算多但它提供了一个非常有用的能力——用修剪工具把不需要的部分去掉。在选中网格对象的情况下使用工具栏上的“分割”图标可以进入网格的分割模式用矩形框或者套索选中要删除的三角面片删掉即可。这个操作在清理重建时噪点引起的边缘毛刺时非常有效。不过要注意这个操作只适合删除少量瑕疵如果模型碎片化特别严重建议回到点云阶段重新优化预处理流程而不是在后处理阶段花大量时间去补。网格的法线修正也很重要尤其是要导出到其他软件做渲染或3D打印时。在CloudCompare里选中网格对象后Tools Mesh Invert normals可以翻转全部法线Tools Mesh Compute normals可以重新计算法线。3D打印对法线错误非常敏感法线反了会导致切片软件识别不了模型的内部外部结构。导出模型很简单选中网格对象后File Save As格式选择STL适合3D打印或OBJ适合通用三维软件也可以存成PLY和FBX。这里要注意导出STL时默认是二进制格式如果某些老软件读不了可以在导出选项里改成ASCII格式。导出的坐标单位CloudCompare会原样保留你数据的数值如果要在建模软件里精确缩放记得确保两边的单位一致。注意CloudCompare的Poisson重建结果是一个封闭表面它在封闭孔洞方面效果不错但遇到区域点云完全缺失比如被遮挡的底面时算法会发挥“想象力”把缺口封住生成一个理论上合理但实际并不存在的面。对于测绘精度要求高的用户来说这种“脑补面”是需要警惕的在静态数据展示场景下问题不大但用于精确测量或者工程计算时必须手动裁剪掉。6. 常见问题与排查技巧实录6.1 高频问题速查表这几年来我在不同版本、不同操作系统、不同数据源的情况下遇到过不少奇奇怪怪的问题挑几个出现频率高的整理成表方便大家直接对照排查。现象可能原因排查与解决思路打开点云后界面一片空白点云坐标范围太大/太小视角没对准按下F键full zoom检查Global shift状态点云显示为一条线或一个点加载时单位选择错误坐标范围异常检查XYZ各轴范围确认数据单位与数值打开LAS文件颜色全灰颜色信息没被启用或者默认按SF着色在DB Tree中点云对象下拖拽RGB到显示属性配准后RMS很低但视觉错位粗配准初始位置太差ICP陷入局部最优回退到粗配准增加选点对检查正交投影视图Poisson重建生成大量碎面点云有噪声、法线方向不一致或点密度稀疏重新预处理调整SOR参数、计算并校正法线体积累积计算失败网格分辨率过高产生空洞或数据范围不足降低网格分辨率检查点云覆盖面是否足够Ubuntu下无法启动GUI缺libfuse2或图形依赖库安装依赖或改用Snap版本处理千万级点云时卡死内存不足或单线程处理瓶颈使用降采样减少数据或换用命令行批处理模式6.2 几个实操中容易忽略的坑第一个坑是“Global shift”功能的理解。当你的点云坐标数值特别大比如大地测量坐标动辄几十万甚至数百万米单精度浮点数在显示和计算时精度不够就会导致点云看起来“抖动”或者出现麻点。CloudCompare在加载这类数据时会自动应用一个偏移量把坐标中心移到原点附近确保精度不丢失。但如果你是把数据导出再重新导入一定要保持偏移量一致否则两期数据对不齐排查起来非常费劲。最简单的方式是用“File Save as”保存时勾选保存Global Shift信息下次打开还能自动恢复。第二个坑是法线方向的“半球定向”问题。CloudCompare计算法线时默认会把法线方向与视角对齐这在有些场景下会导致法线方向在物体的内外两侧出现混乱。Poisson重建对这种混乱极其敏感轻则局部凹陷重则整个模型面片翻转。解决办法是在计算法线之前先在Tools Other Compute normals里勾选“Orient normals with minimum spanning tree”相关选项或者在计算完之后用“Tools Other Invert normals”手动翻转选中的法线。通常在重建之前我会先开启“Show normals”看一眼如果法线朝向不统一就先处理掉再跑网格化。第三个坑是关于大数据的。理论上CloudCompare能处理上亿点的数据但实际上内存开销在千万级就很大了。如果你的电脑配置中规中矩处理超大点时强烈建议先用降采样把数据削减到百万级以内再做交互操作。另外CloudCompare支持将大点云按空间分成多个区块来处理Tools Other Octree based segmentation相当于把一个无敌巨无霸切碎了一点一点啃这个方法在资源紧张的笔记本上特别实用。第四个坑是命令行批处理不为人知的强大之处。CloudCompare支持在无图形界面环境下直接用命令处理数据语法大概是CloudCompare -O input.las -SOR 6 1 -SS RANDOM 500000 -C_EXPORT_FMT LAS -SAVE_CLOUDS FILE上面这条命令做了三件事打开input.las用SOR去噪6邻域、1倍标准差再用随机降采样把点数压到50万最后导出为LAS。相比图形界面的鼠标点击命令行适合写进脚本批量跑数据集尤其适合那些动辄几十上百站的扫描数据。这个功能在实际项目中的价值非常大但很多教程都忽略了。写在最后一点个人经验从最早拿CloudCompare处理几百万点的地面激光扫描数据到后来在Linux服务器上写脚本批量跑几十站LiDAR点云再到现在做三维重建教学时用它演示点云转模型我越来越觉得这个软件是被低估的。它没有商业软件那些花哨的交互界面和智能提示但它的算法扎实、性能可靠、免费开源很多核心方法SOR滤波、ICP配准、CSF地面滤波、Poisson重建甚至可以直接映射到专业研发里当作基线方案。如果你刚接触点云我建议你不要急着一口气把所有工具都点一遍。先把一个流程吃透——比如拿一份自己的扫描数据从头到尾走一遍“打开—观察—降噪—配准—重建—导出”这六个步骤遇到不懂的参数就查文档、试默认值、观察变化。试过几次之后你就会发现点云处理的基本功其实就那么多剩下的更多是经验判断。最后再分享一个小技巧每次处理一个项目都新建一个文件夹按“原始数据—中间结果—最终成果”分三级存放再用日期命名版本。CloudCompare处理到一半如果崩了中间结果就是你最大的救命稻草。这个习惯我从几百个点云的测试项目保持到现在从来没有因为数据覆盖问题返过工。点云处理这行数据就是命根子保存好每一步比什么高深技巧都值钱。
