通过立体匹配和光束法平差恢复的空间数据是以三维点云形式存在的，三维点云数据往往只给出局部的离散信息，这对于许多后续应用而言无法满足特定操作需求，如参数化表达、计算分析、快速成型、渲染、碰撞检测等。因此，在点云的基础上进行表面几何建模，生成格网化的表面模型成为很多实际应用中必不可少的工作。在表面建模的过程中，点云空间结构增强是一项重要的前提工作，包括对数据进行降噪、重采样、表面法向量估计等。
由于数据采集设备的不断更新发展，三维点云的获取变得越来越便捷，设备包括激光测距仪、结构光扫描仪、CCD数码相机、LiDAR扫描仪以及RGBD设备等。然而数据获取方式的差异也使采样点云具有不同的属性，同时包括了各种潜在的数据缺陷，这是表面重建工作需要克服的重要挑战。接下来概括描述了采样点云通常会存在的一些典型问题。
基本功能：
点云重采样技术，下采样和上采样加密
点云圈选、测距、滤波技术
RANSAC主平面分割
多次采样的点云的交互式配准
点云法向量估计
数据整体坐标转换
三维表面建模
超体素分割、最小生成树构建
面向SfM或MVS重建点云的 相机与点云联合可视化
开发配置：window系统，QT搭建界面，vs, C++语言。
基本功能软件系统，源码90000圆。
需要的可以邮件联系：minglei_li@
强化功能可以定制包括：
城市机载LiDAR的建筑物建模
三维表面模型的滤波
三维表面模型的简化
点云目标检测、识别
