最近一直在搞点云相关的操作,有时候在处理点云数据时需要查看处理后的数据是否满足需求,所以就想着写一套展示点云的代码。之前已经分享过如何可视化点云了,感兴趣的可以自己去看下:【Lidar】基于Python的Open3D库可视化点云数据。但是这个是3维展示,不满足我的项目需求,我要看的是x,y平面上的效果,所以今天给大家分享一下如何使用Python将三维点云数据投影至二维平面,并进行点云图的绘制。
1 代码逻辑
网上有很多资源都是构建投影方程、计算距离、角度啥的进行投影,我个人觉得没多大必要,我们只需要在读取/处理时只选择自己想要平面的点即可,至少我的项目可以满足。
2 完整代码
这里创建一个一行两列的散点图,用来显示3D和2D的效果,点云保存的代码我没有加进去。看我之前的文章: 【Lidar】基于Python的Open3D库、Laspy库保存点云文件/点云格式转换
python
# -*- coding: utf-8 -*-
"""
@Time : 2023/12/7 9:33
@Auth : RS迷途小书童
@File :Projection of point cloud to 2D.py
@IDE :PyCharm
@Purpose:点云数据投影至平面并显示
"""
import matplotlib # 导入 matplotlib 库,主要用于绘图
import numpy as np # 导入 numpy 库,主要用于处理数组
import open3d as o3d # 导入 Open3D 库,用于处理点云数据
import matplotlib.pyplot as plt # 导入 matplotlib.pyplot 库,用于创建图像和画图
def point_show(path, save_path):
# 定义一个函数 point_show,输入参数是点云文件的路径 path 和要保存图像的路径 save_path
matplotlib.use('tkAgg')
# 在这里指定GUI后端,这里选择 tkAgg 作为图形用户界面后端
pcd = o3d.io.read_point_cloud(path)
# 使用 Open3D 读取点云数据
print(pcd) # 输出点云的个数
points = np.asarray(pcd.points)
# 将点云数据转化为 numpy 数组
# print(points.shape) # 输出数组的形状(行列数)
fig = plt.figure(figsize=(16, 10)) # 创建一个新的图形窗口,设置其大小为8x4
ax1 = fig.add_subplot(121, projection='3d') # 在图形窗口中添加一个3D绘图区域
ax1.scatter(points[:, 0], points[:, 1], points[:, 2], c='g', s=0.01,
alpha=0.5) # 在这个区域中绘制点云数据的散点图,设置颜色为绿色,点的大小为0.01,透明度为0.5
ax2 = fig.add_subplot(122) # 在图形窗口中添加一个2D绘图区域
# 1行2列的图形布局,其中该子图是第2个子图
ax2.scatter(points[:, 1], points[:, 2], c='g', s=0.01, alpha=0.5) # 在这个区域中绘制点云数据的散点图,设置颜色为绿色,点的大小为0.01,透明度为0.5
ax1.set_title('3D')
ax2.set_title('2D')
plt.show() # 显示图形窗口中的所有内容
plt.savefig(save_path)
# 将图形窗口中的内容保存到指定的路径
if __name__ == "__main__":
# 如果这个文件被直接运行而不是被导入作为模块,那么执行以下代码
point_path = "1 - Cloud.pcd"
# 定义一个变量 point_path,值为字符串 "1 - Cloud.pcd"
out_path = r"G:\彭俊喜/1.png"
# 定义一个变量 out_path,值为一个Windows文件路径
point_show(point_path, out_path)
# 调用 point_show 函数,输入参数是 point_path 和 out_path
效果图:
3 总结
代码中的plt.savefig保存散点图时,我的是一片空白不知道啥原因也懒得去改了。大家可以在绘制的散点图上直接点保存即可。总的来说这种思路实现的三维转二维完全够用,至少我的需求这段代码可以实现,具体为什么其他博主用方程解算啥的,就看你们的需求了。