NSDT工具推荐： Three.js AI纹理开发包 - YOLO合成数据生成器 - GLTF/GLB在线编辑 - 3D模型格式在线转换 - 可编程3D场景编辑器 - REVIT导出3D模型插件 - 3D模型语义搜索引擎 - AI模型在线查看 - Three.js虚拟轴心开发包 - 3D模型在线减面 - STL模型在线切割 - 3D道路快速建模

这是“激光雷达入门”文章的延续。 在这篇文章中，我们将查看用于处理点云的 python 库和 Open3D 数据结构，执行可视化并操作点云数据，以便进行后续的分析处理。

如果你需要快速预览3D点云，或者将PCD点云转化为其他格式，那么更简单的方法是使用NSDT 3DConvert这个强大的在线工具，它支持数十种3D格式文件的在线预览和转化，而且无需本地安装任何软件：

https://3dconvert.nsdt.cloud

1、什么是点云数据？

参考我写的第一篇文章，激光雷达数据通常表示为点云，其中包含 n 个点，主要具有以下属性：

  • X坐标
  • Y坐标
  • Z坐标

这些点还可能具有与每个点相对应的“强度”值，该值仅表示从激光雷达传感器等 3D 扫描仪发射后返回到传感器的光能量。

然而，值得注意的是，点云也可以从其他 3D 扫描仪和计算机辅助设计 (CAD) 模型生成。

2、可视化点云数据的工具

用于可视化激光雷达点云的工具有很多，例如以下软件和库：

  • Point Cloud Library
  • CloudCompare
  • MeshLab
  • MATLAB
  • Autodesk Recap
  • Open3D

本教程重点介绍用于可视化和探索 3D 数据结构的 Open3D，更重要的是点云数据。

3、Open3D 数据结构

Open3d 是一个开源的、支持使用 Python 和 C++ 开发处理 3D 数据（例如激光雷达）的软件包。有关 Open3D 的更多信息，可以访问此处的文档。

Open3D 处理不同的数据结构和点云数据，例如：

  • 体素栅格

体素（Voxel）通常被描述为 2D 图像的三维像素，是体积像素的缩写。 体素网格由点云构成/派生，如下所示：

体素栅格示例
  • 八叉树

八叉树是一种树形数据结构，其中每个内部节点有八个子节点。 八叉树可用于通过将三维空间细分为八个八分圆来划分三维空间。

八叉树数据结构
  • 网格

在 3D 计算机图形学中，网格由定义对象形状的顶点、边和面组成。 有多边形网格和三角形网格。

  • 点云数据

点云由数百万个地理参考点组成。

下面是网格和点云数据之间的比较图像：

网格和点云之间的区别
  • RGB 数据类和深度图像类

4、安装Open3D

为了清楚地了解点云是什么，让我们继续安装有助于处理数据的必要工具：

!pip install open3d

import numpy as np
import matplotlib.pyplot as plt
import open3d as o3d

由于我们将处理 3 维数据，因此安装 numpy、matplotlib 和 open3d 始终是一个好主意。

5、处理不同的数据格式

查看 Open3D 数据集时，你会注意到存储 3D 数据的不同类型的文件格式，其中一些格式如下：

  • 多边形文件格式 (PLY)：简单地说，PLY 是一种用于将 3D 数据存储为多边形集合的文件格式。

让我们使用以下代码作为 PLY 格式的示例：

ply_point_cloud = o3d.data.PLYPointCloud()
pcd = o3d.io.read_point_cloud(ply_point_cloud.path)
print(pcd)
print(np.asarray(pcd.points))
o3d.visualization.draw_plotly([pcd],
                                  zoom=0.3412,
                                  front=[0.4257, -0.2125, -0.8795],
                                  lookat=[2.6172, 2.0475, 1.532],
                                  up=[-0.0694, -0.9768, 0.2024])

首先，我们通过 ply_point_cloud = o3d.data.PLYPointCloud() 从 Open3D 创建 PLYPointCloud 类的实例。

然后使用Open3D提供的 read_point_cloud函数，我们将读取创建的实例的路径并将其存储到pcd变量中。 当我们打印的时候，输出的是点云的一些基本信息，比如点数、坐标范围等。

当我们使用 np.asarray 将 open3d 格式的数据转换为 numpy 数组时，生成的数组将包含云中每个点的  (X,Y,Z) 坐标。

为了可视化点云，我们将使用 draw_plotly函数。 它接受多个参数：

  • Zoom：镜头远近
  • Camera Position：相机位置
  • Up Vector：向上矢量
  • 包含云点的 PCD 变量

结果如下：

PLY 格式的 PCD 数据结果图
  • 点云数据（PCD）

PCD是一种用于存储和交换 3D 点云数据（我们在本文中感兴趣的主题）的文件格式。 此文件格式通常存储有关 (X,Y,Z) 坐标、强度和颜色的信息。

同样，让我们看一下点云中的可用数据集：

dataset = o3d.data.PCDPointCloud()
pcd = o3d.io.read_point_cloud(dataset.path)
print(pcd)
print(np.asarray(pcd.points))
o3d.visualization.draw_plotly([pcd],
                                  zoom=0.3412,
                                  front=[0.4257, -0.2125, -0.8795],
                                  lookat=[2.6172, 2.0475, 1.532],
                                  up=[-0.0694, -0.9768, 0.2024])
来自 Open3D 的 PCD 数据集

6、结束语

这是对点云以及不同格式点云的可视化的简单介绍，在下一个教程中，我们将仔细研究 Open3D 用于处理点云的其他有用功能，例如平面分割和应用 DBSCAN。

原文链接：Gentle Introduction to Point Clouds in Open3D

BimAnt翻译整理，转载请标明出处