1 File
2 Edit
3 Tools
1 File
：打开。
：保存。
：全局移位设置，默认即可。
：用于创建对象：plane平面；Box框；Sphere球体；Cylinder圆柱体；Cone圆锥体；Torus圆环；Dish盘。
：启用/禁用3D鼠标。
：控制摄像机的游戏手柄。
：关闭。
：包括所有数据在内的克隆所选实体。
：点云/网格/实体合并。
：下采样
2.3.1 random：根据点云点随机采样。
2.3.2 spatial：根据空间最小距离采样。
2.3.3 octree：下采样按细分级别进行。
：用户可以选择多个选项来设置应用程序的转换
2.4.1 Transformation matrix：转换矩阵。
2.4.2 Rotation axis and angle translation：旋转轴、旋转角度和平移矢量的组合。
2.4.3 Euler angles translation：欧拉角拉角和平移矢量。
：缩放，通过设定比例因子实现缩放。
：旋转/平移，单击左键旋转，单击右键平移。
：实体可以用矩形/多边形分割。
：裁剪，裁剪3D框中的点云/网格。
：全球转移和缩放。
：切换菜单
2.10.1 Activation：激活
2.10.2 Visibility：能见度
2.10.3 Color：色彩
2.10.4 Normal：法线
2.10.5 Scalar field：标量场
2.10.6 Materials/textures：材质/纹理
2.10.7 3Dname：3D名称
：颜色
2.11.1 Set unique：设置唯一的颜色。
2.11.2 From Scalar fields：不能使用文件。
2.11.3 Colorize：将选定实体的当前颜色乘以指定颜色进行着色。
2.11.4 Levels：编辑颜色直方图。
2.11.5 Height ramp：将色带（线性渐变/循环）应用于所选实体（颜色渐变）。
2.11.6 Convert to grey scale：将当前的RGB将颜色字段转换为灰度。
2.11.7 Convert to scalar field：将当前的RGB将颜色字段转换为一个或多个标量字段。
2.11.8 Interpolate from another entity：插入另一种实体颜色，为所选实体的点/顶点着色。
2.11.9 Enhance with intensities：通过相关的强度标量场（RGB-HIS方法）增强RGB颜色动态。
：法线
2.12.1 Compute：计算法线。
2.12.2 Invert：翻转法线方向。
2.12.3 Orient normals > With Minimum Spanning Tree：最小生成树的法线。
2.12.4 Orient normals > with Fast Marching：法线匹配最快。
2.12.5 Convert to > HSV colors：将点云的法线转换为HSV颜色字段。
2.12.6 Convert to > Dip & Dip direction SFs：将云的法线转换为两个标量字段：一个与所述倾角值；另一个与倾角值相匹配。
：
2.13.1 Compute：实体上强制计算八叉树。
八叉树多种方式设置八叉树的空间范围：
默认值：完全包含实体边界框的最小多维数据集；
最大级别的像元大小：用户可以在最小细分级别定义像元大小（八叉树框将大2N，N是最大的八叉树水平)
自定义：用户可以对话框定义自定义边框
最大八叉树级别(或细分)在32位版本中N = 10在64位版本中为N = 21。
注意：通常不需要此操作（即，必要时CloudCompare会自动完成octree计算）
2.13.2 Resample：通过将八叉树的每个像元内（在给定的细分级别）的所有点替换为其重心来对云进行重新采样。
选择应用该过程的细分级别，以（大致）匹配用户指定的预期输出点数。
删除与选定云关联的所有扫描网格。
：
2.14.1 Delete scan grids：删除扫描网格。
例如，在保存带有扫描网格的点云的情况下，这可以用来减少BIN文件的大小。
2.14.2Mesh scan grids：网格化与点云关联的每个扫描网格。
此方法为每个扫描网格创建一个网格。
扫描网格非常容易划分网格，它们通常会产生相当坚固的网格。
：
2.15.1 Delaunay 2.5D (best fitting plane)：在点云上计算Delaunay 2D1 / 2三角剖分。
点云只是简单地以二维方式投影在（XY）平面上。然后，将相应的2D点进行三角剖分，并将网格结构应用于3D点。
默认情况下，在云凸包上进行2D Delaunay三角剖分。因此，CloudCompare将要求用户为三角形边缘指定最大长度。这允许删除不一定有意义的最大三角形（通常在边界上）。如果将此值保留为零，则将保留Delaunay三角测量输出的所有三角形。这对于相当平坦的云和正确定向（即以Z维度为垂直维度）非常有效。
如果点云的方向不正确，但在某个方向上仍很平整，则应考虑使用此方法的另一个版本Delaunay 2D（最佳LS平面）
2.15.2 Delaunay 2.5D(XY plane)：同上。
2.15.3 Surface between two polylines：该工具将在两条（打开的）折线之间创建一个三角形网格。
2.15.4 Convert texture/material to RGB：将选定网格的网格材料和/或纹理信息转换为每个顶点的RGB字段。
对于网格的每个顶点，此方法将插值最近的纹理颜色，或者在没有可用纹理的情况下采用三角形的关联材质颜色。
2.15.5 Sample points：随机采样网格上的点。
用户可以指定要采样的点的总数（大约），也可以指定表面密度（每平方单位的点数）。
此方法能够从原始网格中导出法线和颜色信息（通过在每个三角形内插值这些信息）。
因此，用户可以选择是否实际导出每个功能（如果可用）。
2.15.6 Smooth (Laplacian)：用Laplacian平滑平滑网格。
用户必须指定每次迭代使用的迭代次数（默认为20）和平滑力（默认为“平滑因子”-在0到1-0.2之间）。
2.15.7 Subdivide：细分网格。
该算法以递归方式细分网格三角形，直到其表面落入用户指定的限制之下。
2.15.8 Measure surface：测量网格的总表面以及每个三角形的平均表面。
2.15.9 Measure volume：测量封闭的网格的体积，输出测量值显示在控制台中。
2.15.10 Flag vertices by type：基本的网格质量检查。
用（标量值）标记每个网格顶点：0 =正常，1 =边框，2 =非流形。控制台中将显示每种顶点类型的数量摘要（以及对每个SF值含义的提醒）。
2.15.11 Mesh \ Scalar field：Smooth：平滑与网格顶点关联的标量字段。 Enhance：增强与网格顶点关联的标量字段。
2.16.1 Sample points：进行点的采样。
2.17.1 Create：此对话框可用于创建或编辑“平面”实体的参数。
2.17.2 Fit：该工具将平面拟合到点云上，并输出各种信息，例如拟合RMS，平面法线，甚至是地质倾角和倾角方向值。
2.17.3 Edit：此对话框可用于创建或编辑“平面”实体的参数。
2.17.4 Filp：没有资料
2.17.5 Compare：没有资料
2.18.1 Edit：用户可以使用该工具修改所选传感器的内部和外部参数。
Create：创建连接到所选云的地面激光扫描仪（TLS-也称为地面激光雷达= GBL）传感器实体。
用户必须指定传感器的主要内部参数和外部参数（绝对位置和方向，角度步长等）。单击“确定”按钮将创建一个新的传感器对象。
CloudCompare会自动生成并显示深度图，以便用户直观地检查参数。默认情况下，传感器对象被添加为DB树中选定云的子级。
它在3D视图中也可见（警告：您可能必须更改其“绘图比例”-请参阅传感器对象属性-以正确查看它）。
Project uncertainty：将摄像机模型不确定性投影到点云。输出包含几个标量字段： 1）沿X轴的不确定性； 2）沿Y轴的不确定性； 3）沿Z轴的不确定性； 4）3D不确定性（（uX，uY，uZ）向量的范数）。
Compute points visibility (with octree)：根据是否被选定（相机）传感器查看而标记云的点。可见性检查针对“活动”摄像机位置进行。每点可见性信息存储在一个标量字段中： 1）0 =不可见； 2）1 =可见。
2.18.2 Sensors \ TLS/GBL
Create：从2.5.6版开始，可以使用此功能创建相机传感器（但是，例如，从Bundler文件中加载它们更容易）。
目前，只能创建/修改外部和固有参数（无法以这种方式设置失真/不确定性模型）。
注意：理论上，相机传感器可以与Trans中存储的任意数量的4x4变换矩阵（3D旋转和平移的关联）相关联。缓冲实体。它们通常代表摄像机的位移。但是，尚无文件格式允许加载此类数据。
Creat/show Depth Buffer.
Displays the depth map of the selected Ground Based Lidar (GBL) sensor.
Export Depth Buffer：将选定的地面激光雷达（GBL）传感器的深度图导出为ASCII文件，CloudCompare只会询问目标文件名。
Compute points visibility (with depth buffer)：该工具可根据突出显示的传感器的“可见性”对任何点云进行分类。
2.18.3 Sensors \ Other
View from sensor：更改当前的3D视图相机设置以匹配选定的传感器设置（气泡视图模式）。
摄像机的显示模式将自动更改为“基于查看器的透视图”。
对于GBL传感器，可能有必要手动增加3D视图相机的视野（请参阅Display \ Camera settings），以获得更真实的显示。
Compute Ranges：计算相对于所选传感器的所有点（任何云）的范围。
用户可以指定CloudCompare应该输出平方范围还是非平方范围。
Compute Scattering Angles：计算相对于所选传感器的所有点（具有法线的任何云）的散射角。
用户可以指定CloudCompare应该以弧度还是度数输出角度。
2.19.1 Show histogram：显示直方图。显示当前所选实体的活动标量字段的直方图：
2.19.2 Compute stat. params：计算统计参数，在活动标量字段值上拟合统计分布。
CloudCompare首先会询问适合的分布类型：高斯（正态）分布或威布尔分布。然后，CloudCompare将拟合选定的分布，并将结果显示为覆盖在SF直方图上的曲线。
2.19.3 Gradient：计算标量场的梯度。
CloudCompare首先会提出一个棘手的问题：“标量场是由（欧几里得）距离组成的吗？”。除了有效的标量字段值是例如距离还是海拔高度之外，通常都必须对这个问题回答“否”。在这种情况下，一些基本考虑因素将使CC将结果梯度值限制在1以下。这就限制了噪声的影响（在梯度上比在原始SF上更明显）。梯度是识别源SF和其他有趣结构中快速变化的好方法。
2.19.4 Gaussian filter：通过应用空间高斯滤波器对标量场进行平滑处理。
用户必须选择“内核”大小，实际上是球体的半径，在该球体的半径内将提取每个点附近的最近邻居以计算平均值）。过滤器越大，过滤器越坚固（计算速度越慢…）。
2.19.5 Bilateral filter：通过应用双边滤波器来平滑标量场。
CloudCompare首先会询问过滤器的两个参数：空间总和：滤波器空间部分的正态分布方差；标量sigma：滤波器标量部分的正态分布方差。双边过滤器倾向于更好地保留强边缘。
2.19.6 Filter by Value：根据关联的标量值过滤所选云的点。
将创建一个新的云（或网格），其点在指定范围内。
2.19.7 Convert to RGB：只需将活动标量字段转换为RGB颜色字段即可。
分配给这些点的颜色恰好是调用该方法时在屏幕上可见的颜色。因此，渲染不会改变。但是，CloudCompare将自动隐藏标量字段并改为激活RGB字段。
2.19.8 Convert to random RGB：通过应用随机色标来转换所选实体的活动标量字段。
用户必须首先定义将随机生成的多种颜色。然后，CloudCompare将应用相应的（随机）色标（作为线性标尺，在标量字段范围内定期采样）。
2.19.9 Rename：重命名所选实体的活动标量字段。
2.19.10 Add constant SF：将具有恒定值（即，所有点的值都相同）的新标量字段添加到所选云中。
CloudCompare首先会询问SF名称（必须唯一），否则，如果存在具有相同名称的SF，它将被覆盖）然后，CloudCompare将要求提供（恒定）SF值。
2.19.11 Add point indexes as SF：在选定的云上创建一个新的标量字段，并将点索引（即它们的创建顺序或从原始文件中读取它们的顺序）作为标量值。
2.19.12 Set SF as coordinate(s)：将所选云的活动标量字段设置为其坐标之一（或数个）。
CloudCompare将要求用户选择目标维度：例如，可以用任何标量值替换Z坐标，以便具有标量字段的一种“ 3D表示”。更常见的是，此方法可用于将高度随标量场而变化的2D栅格转换为适当的3D云/栅格。
2.19.13 Export normals to SF(s)：将所选云的活动标量字段设置为其坐标之一（或数个）。
CloudCompare将要求用户选择目标维度：例如，可以用任何标量值替换Z坐标，以便具有标量字段的一种“ 3D表示”。更常见的是，此方法可用于将高度随标量场而变化的2D栅格转换为适当的3D云/栅格。
2.19.14 Export coordinate(s) to SF(s)：该工具允许用户将点坐标导出到一个或多个标量字段。
CloudCompare将要求用户选择源维度：每个尺寸将导出到具有预定义名称（“ X坐标”，“ Y坐标”和“ Z坐标”）的标量字段。
2.19.15 Interpolate from another entity：从一个云到另一个云（或网格的顶点）内的活动标量场可能具有不同数量的点/顶点。
2.19.16 Arithmetic：在同一云的两个标量字段（+，-，*，/）之间执行标准算术运算 或将数学函数应用于单个标量字段
2.19.17 Color Scales Manager：色阶管理器允许用户管理和创建新的色阶。
2.20.1 2D Waveform viewer：选择具有波形的点云（即LAS文件版本1.3+或更高版本）。然后调用此工具。
使用此工具，您可以选择云中的任何点（通过其索引或通过在3D视图中进行选择-带有“点索引”字段旁边的按钮）。然后它将自动显示相关的波形。表示一个或多个峰（蓝色垂直线）。
用户可以单击任意位置以使（红色）线出现，并带有相应的样本索引和幅度。用户还可以将当前显示的波形导出为CSV（使用对话框右上方的“将波形导出为CSF文件”按钮），选项有：对数刻度：以对数刻度显示波形；固定幅度：对所有波形使用相同的幅度（使用云上的最大幅度）
2.20.2 Compress FWF data：该工具通过删除不与任何点关联的波形来压缩与云关联的FWF数据。
例如，在手动分割后，此功能很有用，因为FWF数据在云之间共享，并且默认情况下保持“完整”。 注意：将云保存到LAS 1.3+文件（使用“ LAS 1.3 / 1.4”过滤器）时，压缩会自动完成。但是将实体另存为BIN文件时并没有完成。
3 Tools
：该工具使用户可以在（水平）表面上拾取三个点，以便旋转云并使对应的平面与（XY）平面平行：
：该工具的主要目的是让用户选择一个，两个或三个点，以便获得各种信息（最值得注意的是两点之间的距离）。可以通过这种方式创建不同种类的标签。
：该工具使用户可以在云上选择多个点，从而创建点的“列表”。
然后可以将该列表导出为：一份文件；新云；一条折线（已连接的点很简单）例如，创建“地面控制点”（GCP）列表非常有用。
：该工具使用户可以在可见实体（云或网格）上选取多个点以创建折线。
该折线也可以被“过度采样”：CloudCompare将自动选择在折线段上定期采样的其他点，以便更紧密地拟合曲面。通常，只需设置两个点，然后通过设置较大的过采样率（例如100个点），让CloudCompare生成更紧密的轮廓
3.5.1 SOR filter：“ SOR筛选器”工具非常类似于PCL库的SOR（统计异常值删除）。
它首先计算每个点到其邻居的平均距离（考虑每个点的k个最近邻居-k是第一个参数）。然后，它拒绝比平均距离加上标准偏差（第二个参数）若干倍的点。
3.5.2 Noise filter：“噪声过滤器”工具有点类似于SOR过滤器，但是它考虑到了下面的表面的距离，而不是到邻居的距离。
该算法局部拟合一个平面（围绕云的每个点），如果该点与拟合平面相距太远，则将其删除。基本上可以将此滤波器视为低通滤波器。
为了估计下面的（平面）表面，用户可以定义半径或邻居的（恒定）数量。用户还可以在相对误差（如SOR）和绝对误差之间进行选择。最终，可以在同一运行中删除孤立的点。
3.6.1 Unroll：此方法将点云从圆柱（或圆锥形）形状“展开”到平面上：
3.6.2 Rasterize (and contour plot)：此工具的主要目的是“栅格化”点云（即将其转换为2.5D网格），然后将其导出为新的云或光栅图像（geotiff）。
3.6.3 Contour plot (polylines) to mesh：该工具可以将一组折线（最好是轮廓线）转换为网格。
与标准的2.5D Delaunay三角剖分相反，此方法将强制轮廓线作为输出三角形的边缘。
3.7.1 Match bounding-box centers：该工具将平移所有选定的实体，以使它们的边界框中心位于同一位置。
3.7.2 Match scales：该工具将使（尝试）使所有选定实体的比例都匹配。用户必须选择比例的计算方式。
3.7.3 Align (point pairs picking)：该工具允许用户通过在两个实体中选择至少三个等效点对来对齐两个实体。
此方法对于非常精确地对齐云非常有用。有时甚至是获得良好结果的唯一方法（通常，如果两朵云在很大程度上存在很大差异，在这种情况下ICP注册将无法正常工作）。
3.7.4 Fine registration (ICP)：该工具可以自动精细地注册两个实体（云和/或网格）。
主要假设是：两个实体均已粗略注册（请参阅其他对齐方法）；两个实体都应表示相同的对象或至少具有相同的形状（至少在它们的重叠部分上）
3.8.1 Cloud/Cloud Dist：该工具计算两朵云之间的距离。
3.8.2 Cloud/Mesh Dist：该工具计算云和网格之间的距离
3.8.3 Cloud/Primitive Dist ：无
3.8.4 Closest Point Set：该工具可计算相对于另一个云的“最近点集”。这种结构例如由Besl等人定义。在原始ICP文章中。
3.9.1 Local Statistical Test：该工具可用于基于活动标量字段的局部统计“行为”来分割/过滤点云。
例如，如果活动的标量字段对应于距离，并且您知道测量噪声的分布，则可以过滤局部标量值似乎适合噪声分布的点。这样，您将能够忽略这些点，而只需关注明显远离噪声分布的距离的点。 设A和B为分别具有N A和N B点的两个云。A相对于B的最近点集（CPSet B（A））是B云中最接近A的每个点的点集。这个集合有N个A点，全部来自B云。此外，B点可以在输出集中重复几次，因为它们对于A云的不同点可能是“最接近的”。
3.9.2 Compute stat. params (active SF)：该工具将统计分布拟合到所选实体的活动标量字段上。
可用的发行版是：高斯（又名普通）分布，威布尔分布。
3.10.1 Label Connected Comp：该工具将选定的云分割成较小的部分，并以最小距离隔开。
每个部分都是一个连接的组件（即一组“连接”点）。注意：此工具的名称源自具有相同名称的经典图像处理算法。该工具允许用户在给定的云周围定义一个裁剪框（是否互动）。可以调整框的范围和方向，例如以分割云。
3.10.2 Extract Sections/ Unfold：该工具允许用户在点云上绘制或导入多边形，以提取截面和轮廓。
3.11.1 Plane：前面已有。
3.11.2 Sphere：在点云上拟合球体。
3.11.3 2D Polygon (facet)： 该工具将2D多边形拟合到点云上。它与“工具>拟合>平面”方法非常相似，但是拟合平面的范围遵循云的轮廓（在2D模式下）。
3.11.4 2.5D Quadric：在点云上拟合2.5D曲面。
3.11.5 Batch export：Export cloud info。
3.12.1 Compute geometric features：该工具可以计算一个或多个点云上的几个几何特征（批量）。
可以通过这种方式计算的几何特征为：
1）粗糙度（相当于v2.9及更低版本中以前的粗糙度工具） 2）曲率（相当于v2.9及更低版本中以前的曲率工具） 3）平均曲率 4）高斯曲率 5）正常变化率 6）密度（相当于v2.9及更低版本中以前的密度工具） 7）邻居数 8）表面密度 9）体积密度 10）时刻 11）一阶矩 12）特征 13）特征值之和 14）无差异 15）本征熵 16）各向异性 17）平面度 18）线性度 19）PCA 1 20）PCA 2 21）PCA 3 22）表面变化 23）球形度 24）垂直度 25）第一特征值 26）第二特征值 27）第三特征值
3.12.2 Remove duplicate points：此工具可删除点云中的重复点（相对于点之间的最小距离）。