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：
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。