标签：loc plt 读取 Python 可视化 点云 inFile
Python读取点云与可视化
最近开始学习处理点云数据，之前是用LiDAR 360来进行预处理，但软件还是无法实现许多功能，开个贴记录下python对点云的处理过程。
一、点云的读取与索引
点云数据的格式由于不同扫描仪硬件厂商而有多种格式，但一般而言这些格式都可以转换为通用的点云格式，主要包括LAS和ASCII两种形式，其中ASCII中包括了ASC/XYZ/TXT/PTC/PTS/PTX等格式。
以下分别列举关于LAS与TXT（导入了EXECL）的读取方法。
1. 通过pandas包读取
import pandas as pd
df = pd.read_excel("/test3.xlsx")
loc_x = df['x'].values
loc_y = df['y'].values
loc_z = df['z'].values
print(loc_x)
print(loc_y)
print(loc_z)
##如果需要强度等其他信息也一样
2.通过Laspy包读取
Laspy是一个Python的开源库，能够直接读取LAS文件
import laspy
lasfile = "/121n3.las"
#打开并以只读显示
inFile = laspy.file.File(lasfile,mode="r")
#读取x,y,z
x,y,z = inFile.x,inFile.y,inFile.z
#读取分类信息
classfication = inFile.get_raw_classification
#读取回波信息
return_num = inFile.return_num
#读取扫描角度信息
scan_angle_rank = inFile.get_scan_angle_rank
关于点云的索引方式：
为了方便读取海量点云的处理，建立合适空间索引能够帮助我们快速的查找以及筛选点云，目前主要有规则网、kd树和八叉树等索引方式。
from scipy import spatial
#封装x,y，如果要建立三位索引则要封装xyz
lasdata = list(zip(x,y))
#构建kd树
tree = spatial.KDTree(lasdata)
#查找中心点（294110.3305，3640435.33）半径为10m圆内的点云
aa = tree.query_ball_point(np.array([294110.3305,3640435.33]),10)
#显示搜索到的点云
print(z[aa])
X = x[aa]
Y = y[aa]
Z = z[aa]
此外也可以根据其他方式来对点云进行简单的筛选
例如：查找高度大于15m的点云
newdata = pd.DataFrame({"x":X,"y":Y,"z":Z})
sort_data = newdata[newdata["z"]>15]
二、可视化
看到许多大佬用 python-pcl 和 mayavi 来完成可视化，但安装过分麻烦所以用 matplotlib 来完成可视化，相当于建立一个三维的图像，缺点是点云多了就比较卡。
import matplotlib.pyplot as plt
fig = plt.figure(figsize=(12, 10),dpi=80)
ax = fig.add_subplot(111, projection='3d')
X = sort_data["x"]
Y = sort_data["y"]
Z = sort_data["z"]
ax.scatter(X, Y, Z,s= 10,edgecolor="black",marker=".")
plt.show()
结果如下：
此外可以根据可以按高度附着颜色信息以及其他设置
import matplotlib.colors
cmap = plt.cm.get_cmap("rainbow")
norm = matplotlib.colors.Normalize(vmin=min(loc_z), vmax=max(loc_z))
fig = plt.figure(dpi = 150)
ax = fig.add_subplot(111,projection = "3d")
ax.scatter(loc_x, loc_y,loc_z,s= 0.0005*np.array(120-loc_z)**2,color=cmap(norm(df.z.values)),marker=".")
# 加入z轴范围颜色的图例
sm = plt.cm.ScalarMappable(cmap=cmap, norm=norm)
sm.set_array([])
fig.colorbar(sm)
ax.grid(False)
结果如下（换了一个数据）：
标签：loc,plt,读取,Python,可视化,点云,inFile 来源： https://blog.csdn.net/sixgod861/article/details/116309114
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。