Python怎么創(chuàng)建和可視化點(diǎn)云

這篇“Python怎么創(chuàng)建和可視化點(diǎn)云”文章的知識(shí)點(diǎn)大部分人都不太理解，所以小編給大家總結(jié)了以下內(nèi)容，內(nèi)容詳細(xì)，步驟清晰，具有一定的借鑒價(jià)值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來(lái)看看這篇“Python怎么創(chuàng)建和可視化點(diǎn)云”文章吧。

1、簡(jiǎn)介

點(diǎn)云應(yīng)用無(wú)處不在:機(jī)器人、自動(dòng)駕駛汽車、輔助系統(tǒng)、醫(yī)療保健等。點(diǎn)云是一種適合處理現(xiàn)實(shí)世界數(shù)據(jù)的3D表示，特別是在需要場(chǎng)景/對(duì)象的幾何形狀時(shí)，如對(duì)象的距離、形狀和大小。

點(diǎn)云是一組點(diǎn)，代表現(xiàn)實(shí)世界中的場(chǎng)景或空間中的對(duì)象。它是幾何對(duì)象和場(chǎng)景的離散表示。換句話說(shuō)，點(diǎn)云PCD是n個(gè)點(diǎn)的集合，其中每個(gè)點(diǎn)Pi用其3D坐標(biāo)表示:

注意，還可以添加一些其他特征來(lái)描述點(diǎn)云，如RGB顏色、法線等。例如，可以添加RGB顏色來(lái)提供顏色信息。

2、點(diǎn)云生成

點(diǎn)云通常使用3D掃描儀(激光掃描儀、飛行時(shí)間掃描儀和結(jié)構(gòu)光掃描儀)或計(jì)算機(jī)輔助設(shè)計(jì)(CAD)模型生成。在本教程中，我們將首先創(chuàng)建隨機(jī)點(diǎn)云并將其可視化。然后，我們將使用Open3D庫(kù)從3D表面采樣點(diǎn)，從3D模型生成它。最后，我們將看到如何從RGB-D數(shù)據(jù)創(chuàng)建它們。

讓我們從導(dǎo)入Python庫(kù)開始:

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

2.1 隨機(jī)點(diǎn)云

最簡(jiǎn)單的方法是隨機(jī)創(chuàng)建一個(gè)點(diǎn)云。注意，我們通常不會(huì)創(chuàng)建要處理的隨機(jī)點(diǎn)，除非為GAN(生成對(duì)抗網(wǎng)絡(luò))創(chuàng)建噪聲。

通常，點(diǎn)云由(n×3)數(shù)組表示，其中n是點(diǎn)的數(shù)量。讓我們用5個(gè)隨機(jī)點(diǎn)創(chuàng)建一個(gè)點(diǎn)云:

number_points = 5
pcd = np.random.rand(number_points, 3)# uniform distribution over [0, 1)
print(pcd)

我們可以直接打印這些點(diǎn)，但效率不高，特別是在大多數(shù)應(yīng)用中，如果點(diǎn)的數(shù)量很大的話。更好的方法是將它們顯示在3D空間中。讓我們用Matplotlib庫(kù)來(lái)可視化它:

# Create Figure:
fig, ax = plt.subplots(subplot_kw={"projection": "3d"})
ax.scatter3D(pcd[:, 0], pcd[:, 1], pcd[:, 2])
# label the axes
ax.set_xlabel("X")
ax.set_ylabel("Y")
ax.set_zlabel("Z")
ax.set_title("Random Point Cloud")
# display:
plt.show()

隨機(jī)點(diǎn)云可視化

2.2 采樣點(diǎn)云

直接處理3D模型需要時(shí)間。因此，從它們的三維表面采樣點(diǎn)云是一個(gè)潛在的解決方案。讓我們首先從Open3D數(shù)據(jù)集中導(dǎo)入兔子模型:

bunny = o3d.data.BunnyMesh()
mesh = o3d.io.read_triangle_mesh(bunny.path)

或者以如下方式導(dǎo)入：

mesh = o3d.io.read_triangle_mesh("data/bunny.ply")

接下來(lái)，顯示 3D 模型以查看其外觀。您可以移動(dòng)鼠標(biāo)從不同的視點(diǎn)進(jìn)行查看。

# Visualize:
mesh.compute_vertex_normals() # compute normals for vertices or faces
o3d.visualization.draw_geometries([mesh])

兔子3D模型

要對(duì)點(diǎn)云進(jìn)行采樣，有幾種方法。在此示例中，我們從導(dǎo)入的網(wǎng)格中均勻地采樣 1000 個(gè)點(diǎn)并將其可視化：

# Sample 1000 points:
pcd = mesh.sample_points_uniformly(number_of_points=1000)


# visualize:
o3d.visualization.draw_geometries([pcd])

兔子點(diǎn)云

我們可以將創(chuàng)建的點(diǎn)云保存為 .ply 格式，如下所示：

# Save into ply file:
o3d.io.write_point_cloud("output/bunny_pcd.ply", pcd)

2.3 來(lái)自 RGB-D 數(shù)據(jù)的點(diǎn)云

RGB-D 數(shù)據(jù)是使用RGB-D傳感器（例如 Microsoft Kinect）收集的，該傳感器同時(shí)提供 RGB 圖像和深度圖像。RGB-D傳感器被廣泛應(yīng)用于室內(nèi)導(dǎo)航、避障等領(lǐng)域。由于RGB圖像提供像素顏色，所以深度圖像的每個(gè)像素表示其與相機(jī)的距離。

Open3D 為 RGB-D 圖像處理提供了一組函數(shù)。要使用 Open3D 函數(shù)從 RGB-D 數(shù)據(jù)創(chuàng)建點(diǎn)云，只需導(dǎo)入兩個(gè)圖像，創(chuàng)建一個(gè) RGB-D 圖像對(duì)象，最后計(jì)算點(diǎn)云如下：

# read the color and the depth image:
color_raw = o3d.io.read_image("../data/rgb.jpg")
depth_raw = o3d.io.read_image("../data/depth.png")


# create an rgbd image object:
rgbd_image = o3d.geometry.RGBDImage.create_from_color_and_depth(
color_raw, depth_raw, convert_rgb_to_intensity=False)
# use the rgbd image to create point cloud:
pcd = o3d.geometry.PointCloud.create_from_rgbd_image(
rgbd_image,
o3d.camera.PinholeCameraIntrinsic(
o3d.camera.PinholeCameraIntrinsicParameters.PrimeSenseDefault))


# visualize:
o3d.visualization.draw_geometries([pcd])

從 RGB-D 圖像生成的彩色點(diǎn)云

3、Open3D和NumPy

有時(shí)您需要在Open3D和NumPy之間切換。例如，假設(shè)我們想要將NumPy點(diǎn)云轉(zhuǎn)換為Open3D.PointCloud對(duì)象進(jìn)行可視化，并使用Matplotlib可視化兔子的3D模型。

3.1 從NumPy到Open3D

在本例中，我們使用NumPy.random.rand()函數(shù)創(chuàng)建2000個(gè)隨機(jī)點(diǎn)，該函數(shù)從[0,1]的均勻分布中創(chuàng)建隨機(jī)樣本。然后我們創(chuàng)建一個(gè)Open3D.PointCloud對(duì)象，并使用Open3D.utility.Vector3dVector()函數(shù)將其Open3D.PointCloud.points特征設(shè)置為隨機(jī)點(diǎn)。

# Create numpy pointcloud:
number_points = 2000
pcd_np = np.random.rand(number_points, 3)


# Convert to Open3D.PointCLoud:
pcd_o3d = o3d.geometry.PointCloud()# create point cloud object
pcd_o3d.points = o3d.utility.Vector3dVector(pcd_np)# set pcd_np as the point cloud points


# Visualize:
o3d.visualization.draw_geometries([pcd_o3d])

隨機(jī)點(diǎn)云的 Open3D 可視化

3.2 從 Open3D到NumPy

這里，我們首先使用Open3D.io.read_point_cloud()函數(shù)從.ply文件中讀取點(diǎn)云，該函數(shù)返回一個(gè)Open3D.PointCloud對(duì)象?，F(xiàn)在我們只需要使用NumPy.asarray()函數(shù)將表示點(diǎn)的Open3D.PointCloud.points特征轉(zhuǎn)換為NumPy數(shù)組。最后，我們像上面那樣顯示獲得的數(shù)組。

# Read the bunny point cloud file:
pcd_o3d = o3d.io.read_point_cloud("../data/bunny_pcd.ply")


# Convert the open3d object to numpy:
pcd_np = np.asarray(pcd_o3d.points)


# Display using matplotlib:
fig, ax = plt.subplots(subplot_kw={"projection": "3d"})
ax.scatter3D(pcd_np[:, 0], pcd_np[:, 2], pcd_np[:, 1])
# label the axes
ax.set_xlabel("X")
ax.set_ylabel("Y")
ax.set_zlabel("Z")
ax.set_title("Bunny Point Cloud")
# display:
plt.show()

使用 Matplotlib 顯示的兔子點(diǎn)云

以上就是關(guān)于“Python怎么創(chuàng)建和可視化點(diǎn)云”這篇文章的內(nèi)容，相信大家都有了一定的了解，希望小編分享的內(nèi)容對(duì)大家有幫助，若想了解更多相關(guān)的知識(shí)內(nèi)容，請(qǐng)關(guān)注億速云行業(yè)資訊頻道。