Open3D点云处理简明教程

news2024/11/24 16:13:12

在这里插入图片描述

推荐：用 NSDT编辑器快速搭建可编程3D场景

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：
在这里插入图片描述

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：
在这里插入图片描述

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。

在这里插入图片描述

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：
在这里插入图片描述

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：
在这里插入图片描述

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])

在这里插入图片描述