【Lidar】基于Python的点云数据下采样+体素显示

1 Open3D库介绍

        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。

2 点云数据下采样代码

        代码中包含了以体素显示的方式采样、均匀下采样、随机下采样三种采样方式，后两种我已经注释掉了，有需要的可以自己修改。然后在显示函数中，将原始点云平移10个单位，然后同时显示原始和下采样后的点云用来对比查看。

# -*- coding: utf-8 -*-
"""
@Time ： 2023/11/28 11:10
@Auth ： RS迷途小书童
@File ：Point Cloud Sample.py
@IDE ：PyCharm
@Purpose：点云下采样，体素显示
"""
import open3d as o3d
import numpy as np


def Sample_Voxel(path, point_type):
    # 点云下采样、体素显示
    """
    :param path: 输入点云文件
    :param point_type: 输入点云格式
    :return: None
    """
    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
    down_pcd = pcd.voxel_down_sample(voxel_size=0.5)
    # 对原始的点云数据进行下采样，使用一个边长为0.03的体素
    # down_pcd = pcd.uniform_down_sample(every_k_points=10)  # 均匀下采样
    # down_pcd = pcd.random_down_sample(sampling_ratio=0.2)  # 随机下采样
    pcd = pcd.translate([10, 0, 0])  # 将原始的点云数据在x轴上平移4个单位,用于对比
    pcd.colors = o3d.utility.Vector3dVector(np.random.uniform(0, 1, (1, 3)))  # 随机颜色显示
    o3d.visualization.draw_geometries([down_pcd, 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])
    # zoom是缩放级别，front、lookat和up分别定义了相机的前向、观察点和上向向量，用于确定观察的视角
    o3d.io.write_point_cloud(r'3.xyz', down_pcd, write_ascii=False, compressed=False, print_progress=True)


if __name__ == "__main__":
    Path = r'433 - Cloud1 - Cloud.ply'
    Type = 'ply'
    Sample_Voxel(Path, Type)

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！