当前位置: 首页 > news >正文

第三课:Open3D点云数据处理:点云格式转换

1 Open3D点云格式介绍

1.1 xyz

1.2 xyzn

1.3 xyzrgb

1.4 pts

1.5 ply

1.6 pcd

2 点云格式转换

2.1 读取点云数据

​编辑

2.2 pcd转ply

2.3 pcd转xyz

2.4 pcd转xyzrgb

2.5 pcd转pts


1 Open3D点云格式介绍

1.1 xyz

每一行包含 [x y z] ,其中的x, y, z 是三维坐标,坐标之间以空格分隔。

1.2 xyzn

每一行包含[x, y, z, nx, ny, nz], 其中的nx,ny,nz是法向量

1.3 xyzrgb

每一行包含[x, y, z, r, g, b], 其中的r,g,b是范围在[0, 1]的float类型

1.4 pts

第一行为整数,表示点云中的点数。之后每行为点坐标及其属性,可以是[x, y, z, i, r, g, b][x, y, z, r, g, b][x, y, z, i]或者[x, y, z]格式,i代表反射强度intensity, 其中xyzi为doublel类型,rgbuint8类型 |

比较有特点的是,pts格式的点云,行与行之间以空白行分隔。

下面以[x, y, z, i, r, g, b]类型为例展示

1.5 ply

ply文件能够同时包含点云和网格数据,有binary和ASCII码两种编码类型。更多内容请查看 Polygon File Format,

二进制binary格式

ASCII码格式

1.6 pcd

pcd格式是PCL指定的点云格式,更多内容请查看 Point Cloud Data

同样的,pcd也有binary和ASCII码两种编码。

binary编码

ASCII编码

2 点云格式转换

open3d进行点云格式转换,不涉及数据格式 ,直接保存为想要的类型即可。下面以pcd点云转换为其他格式的点云为例,进行示范。

2.1 读取点云数据

import open3d as o3d import numpy as np print("->正在加载点云... ") pcd = o3d.io.read_point_cloud(r"H:\HTempWK\temp\open3d\pointdata\Armadillo\Armadillo.pcd") print(pcd) print("->正在可视化点云") o3d.visualization.draw_geometries([pcd])

2.2 pcd转ply

import open3d as o3d print("->加载pcd点云...") pcd = o3d.io.read_point_cloud(r"H:\HTempWK\temp\open3d\pointdata\bunny.pcd") print(pcd) print("->正在可视化点云") o3d.visualization.draw_geometries([pcd]) print("\n->保存为binary类型的ply点云...") o3d.io.write_point_cloud("H:/HTempWK/temp/open3d/data/savebunnyBinary.ply", pcd) # 读取保存得二进制点云数据进行展示 pcd_from_file = o3d.io.read_point_cloud("H:/HTempWK/temp/open3d/data/savebunnyBinary.ply") print("->正在可视化保存的点云...") o3d.visualization.draw_geometries([pcd_from_file]) print("\n->保存为ASCII码类型的ply点云...") o3d.io.write_point_cloud("H:/HTempWK/temp/open3d/data/savebunnyASCII.ply", pcd, write_ascii = True) # 读取保存得ASCII码点云数据进行展示 pcd_from_file = o3d.io.read_point_cloud("H:/HTempWK/temp/open3d/data/savebunnyASCII.ply") print("->正在可视化保存的点云...") o3d.visualization.draw_geometries([pcd_from_file])

2.3 pcd转xyz

import open3d as o3d print("->加载pcd点云...") pcd = o3d.io.read_point_cloud(r"H:\HTempWK\temp\open3d\pointdata\bunny.pcd") # 显示点云 o3d.visualization.draw_geometries([pcd]) print("\n->保存xyz点云...") o3d.io.write_point_cloud(r"H:\HTempWK\temp\open3d\pointdata\bunny.xyz", pcd) print("->保存xyz点云完成") # 读取点云进行展示 pcd_from_file = o3d.io.read_point_cloud(r"H:\HTempWK\temp\open3d\pointdata\bunny.xyz") o3d.visualization.draw_geometries([pcd_from_file])

2.4 pcd转xyzrgb

import open3d as o3d import numpy as np pcd_path = r"H:\HTempWK\temp\open3d\pointdata\bunny.pcd" xyzrgb_path = r"H:\HTempWK\temp\open3d\pointdata\bunny.xyzrgb" pcd = o3d.io.read_point_cloud(pcd_path) points = np.asarray(pcd.points) z = points[:, 2] # 归一化到 0~1 z_norm = (z - z.min()) / (z.max() - z.min()) # 蓝 → 红 渐变 colors = np.zeros((len(points), 3)) colors[:, 0] = z_norm # R colors[:, 2] = 1 - z_norm # B pcd.colors = o3d.utility.Vector3dVector(colors) o3d.io.write_point_cloud(xyzrgb_path, pcd, write_ascii=True) pcd_from_file = o3d.io.read_point_cloud(xyzrgb_path) o3d.visualization.draw_geometries([pcd_from_file])

2.5 pcd转pts

import open3d as o3d print("->加载pcd点云...") pcd = o3d.io.read_point_cloud(r"H:\HTempWK\temp\open3d\pointdata\bunny.pcd") print(pcd) print("->正在可视化点云") o3d.visualization.draw_geometries([pcd]) print("\n->保存pts点云...") o3d.io.write_point_cloud(r"H:\HTempWK\temp\open3d\pointdata\bunny.pts", pcd) # 读取pts数据进行展示 pcd_from_file = o3d.io.read_point_cloud(r"H:\HTempWK\temp\open3d\pointdata\bunny.pts") o3d.visualization.draw_geometries([pcd_from_file])
http://www.rkmt.cn/news/176341.html

相关文章:

  • C语言随堂笔记-8
  • Leetcode 56.合并区间 JavaScript (Day 6)
  • 如何定制自己的PyTorch-CUDA镜像?基于v2.7二次开发指南
  • Anaconda配置PyTorch环境太麻烦?试试PyTorch-CUDA-v2.7镜像
  • PyTorch安装教程GPU版:基于CUDA-v2.7镜像的高效配置方案
  • Jupyter魔法命令大全:提升PyTorch开发效率的%和!!操作
  • 防爆烘箱品牌怎么选?关键指标与推荐 - 品牌排行榜
  • 云交互:重塑数字体验的未来
  • rust交叉编译 simpileperf
  • 如何快速启动PyTorch项目?用PyTorch-CUDA-v2.7镜像就对了
  • 实时渲染如何破局?解锁高效、稳定、安全的云端可视化未来
  • 2025年年终卖得好的学习机品牌推荐:全维度横评从AI能力到内容生态,附10款市场实证型号清单 - 品牌推荐
  • PyTorch最新版本v2.7发布!CUDA集成镜像同步上线
  • 解决wslregisterdistribution失败问题:WSL2下运行PyTorch镜像方案
  • 基于MBD开发的电动汽车主驱电机控制器探秘
  • 神州租车“向上造梦·向下扎根”——从效率竞争到场景定义的全新升级!
  • 清华镜像源支持IPv6访问:提升PyTorch下载速度
  • Markdown写文档+Jupyter跑实验:PyTorch-CUDA-v2.7工作流优化
  • Docker exec进入正在运行的PyTorch容器调试问题
  • 如何在服务器部署PyTorch-CUDA环境?这个镜像省下3小时
  • 将PyTorch模型部署到生产环境:从开发镜像到服务转换
  • 2025声学成像仪大型厂家TOP5权威推荐:供应商甄选指南,定制方案助力工业检测升级 - 工业推荐榜
  • DiskInfo磁盘测速对比:挑选最适合PyTorch训练的SSD
  • PyTorch与TensorFlow哪个更适合你?基于镜像使用的对比
  • 开发中的英语积累 P23:Overlay、Guard、Generator、Flex、Throw、Obtain
  • 清华镜像源加速下载:PyTorch-CUDA-v2.7镜像获取方法汇总
  • 2025年12月深圳南油尾货推荐榜:南油服装尾货、高端尾货供应、尾货库存、服装库存、服装尾货全品类、高价一手回收、直播高价回收,健建服饰精准匹配采购需求 - 海棠依旧大
  • YOLOv11 + PyTorch-CUDA-v2.7:实现毫秒级目标检测响应
  • 适配中小企业数字化转型 北京优质CRM服务商推荐:金畅逍等3家本土企业凭实力出圈 - 海棠依旧大
  • 上下文工程完全解析:6大组件打造动态AI系统,技术干货建议收藏