【Lidar】基于Python的Open3D库可视化点云数据_open3d可视化

1 Open3D库介绍

1.1 介绍

        Open3D是一个开源的3D数据处理库，发布于2015年，目前已经更新到0.17.0版本。它基于MIT协议开源许可，使用C++11实现，并经过高度优化，还通过Python Pybinding提供了前端Python API。 Open3D为开发者提供了一组精心选择的数据结构和算法，内部实现高度优化并设置为并行化。它处理3D数据的各种应用，包括点云、网格、体积计算、可视化、深度学习、测量和场景图等。Open3D的目标是成为一个高效，可扩展和易用的3D数据处理库。

1.2 功能

• 点云处理：Open3D可以读取和处理各种格式的点云数据，包括PLY，XYZ，PZSD等等。此外，它还提供了一些处理点云的函数，如滤波，配准，分割等等。
• 网格处理：Open3D可以处理三角网格数据，包括读取和处理OBJ，PLY等等格式的三角网格数据。此外，它还提供了一些处理三角网格的函数，如平滑，重建等等。
• 体积计算：Open3D提供了计算3D体积的功能。你可以使用它来计算点云或三角网格的体积。
• 可视化：Open3D提供了可视化的功能。你可以使用它来显示点云，三角网格等等。此外，它还提供了一些交互式的工具，如旋转，缩放等等。
• 深度学习：Open3D提供了支持深度学习的功能。你可以使用它来实现一些深度学习的算法，如卷积神经网络（CNN），循环神经网络（RNN）等等。此外，它还提供了一些预训练的模型，如PointNet，PointNet++等等。
• 测量：Open3D提供了测量点云或三角网格之间距离的功能。你可以使用它来测量两个点云或三角网格之间的距离，或者一个点云或三角网格到另一个点云或三角网格的距离。
• 场景图：Open3D提供了一个场景图的功能。你可以使用它来表示和操作场景中的物体。场景图是一种数据结构，可以有效地表示和管理场景中的物体之间的关系。

2 基于Python可视化点云

        主体函数：o3d.visualization.draw_geometries([pcd], window_name='Point Cloud View', width=1920,height=1080,left=50,top=50,point_show_normal=False,mesh_show_wireframe=False, mesh_show_back_face=False)

        参数含义：显示内容、窗口标题、长、宽、左边距、右边距、是否可视化法线、是否可视化网络线框、是否可视化网络三角形背面。

# -*- coding: utf-8 -*-
"""
@Time ： 2023/11/3 14:37
@Auth ： RS迷途小书童
@File ：Convert Raster And Vector.py
@IDE ：PyCharm
@Purpose：点云可视化
"""
import open3d as o3d
import numpy as np
import matplotlib.pyplot as plt
 
 
def point_show(path, point_type):
    pcd = o3d.io.read_point_cloud(path, format=point_type, remove_nan_points=True, remove_infinite_points=True, print_progress=True)
    # 路径、输入格式、删除包含NAN的所有点、删除包含无限值的所有点、可视化进度条
    print(pcd)  # 输出点云点的个数
    print(np.asarray(pcd.points))  # 输出点的三维坐标
    """
       格式	    描述
       xyz	    每一行包含[x,y,z]，其中x,y,z是三维坐标
       xyz n	每一行包含[x,y,z,nx,ny,nz]，其中x,y,z是三维坐标，nx,ny,nz是法向量
       xyz rgb	每一行包含[x,y,z,r,g,b]，其中x,y,z是三维坐标，r,g,b是颜色信息，取值范围是[0,1]
       pts	    第一行是表示点数的整数。随后的行遵循以下一种格式：[x,y,z,i,r,g,b],[x,y,z,r,g,b],[x,y,z,i]或[x,y,z],，其中x,y,z,i是double类型，r,g,b是un int8类型
       ply	    见：多边形文件格式，ply文件可同时包含点云和网格数据
       pcd	    见：点云数据
    """
    # pcd.paint_uniform_color([0, 1, 1])  # 固定颜色显示
    # pcd.colors = o3d.utility.Vector3dVector(np.random.uniform(0, 1, (1,3)))  # 随机颜色显示
    o3d.visualization.draw_geometries([pcd], window_name='Point Cloud View', width=1920, height=1080, left=50, top=50,
                                      point_show_normal=False, mesh_show_wireframe=False, mesh_show_back_face=False)
    # zoom=0.3412,front=[0.4257, -0.2125, -0.8795],lookat=[2.6172, 2.0475, 1.532],up=[-0.0694, -0.9768, 0.2024]
    # 显示内容、窗口标题、长、宽、左边距、右边距、是否可视化法线、是否可视化网络线框、是否可视化网络三角形背面
    o3d.io.write_point_cloud(r'1.xyz', pcd, write_ascii=False, compressed=False, print_progress=True)
    # 路径、文件、以ascii格式输出否则使用二进制输出、以压缩格式写入、可视化进度条
 
    # ---------------------------matplotlib库显示----------------------------
    x = np.asarray(pcd.points)[:, 0]
    y = np.asarray(pcd.points)[:, 1]
    z = np.asarray(pcd.points)[:, 2]
    # 绘制三维散点图
    fig = plt.figure()
    ax = fig.add_subplot(projection='3d')
    ax.set_xlabel('X Axes')
    ax.set_ylabel('Y Axes')
    ax.set_zlabel('Z Axes')
    # ax.grid(None)  # 隐藏格网
    ax.scatter(x, y, z)
    plt.show()
 
 
if __name__ == "__main__":
    Path = r'彭俊喜/433 - Cloud1 - Cloud.ply'
    Type = 'ply'
    point_show(Path, Type)

3 总结

        上诉的代码中还包含了保存点云的代码，之后如果对点云数据处理后就可以使用这个代码对数据进行保存。Open3D库是一个非常强大的点云处理库，后续我会更新更多的相关代码，如果感兴趣可以关注我。对咯！可视化的窗口是有快捷键的，但是我记不太清，R应该是重置视角，Q是退出窗口，鼠标滑轮可以控制大小，其他的我忘了。。。。。。