news 2026/4/16 19:26:57

第三课:Open3D点云数据处理:点云格式转换

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
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])
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/16 12:08:30

Git工作流规范:在PyTorch项目中实施Branch策略

Git工作流规范:在PyTorch项目中实施Branch策略 在现代AI团队的日常开发中,你是否经历过这样的场景:同事刚提交的代码导致整个训练流程崩溃,而问题原因竟是他本地装了不同版本的PyTorch?或者你在复现一篇论文实验时&…

作者头像 李华
网站建设 2026/4/16 13:45:34

分布式数据并行(DDP)配置:PyTorch-CUDA-v2.7多卡训练教程

分布式数据并行(DDP)配置:PyTorch-CUDA-v2.7多卡训练实战指南 在当今深度学习模型动辄数十亿参数的背景下,单张GPU早已无法支撑主流任务的训练需求。从大语言模型到高分辨率图像生成,算力瓶颈成为制约研发效率的关键因…

作者头像 李华
网站建设 2026/4/16 12:02:22

Jupyter密码设置与安全访问:PyTorch容器使用注意事项

Jupyter密码设置与安全访问:PyTorch容器使用注意事项 在如今的AI开发实践中,越来越多工程师选择在远程服务器或云平台上运行搭载 PyTorch 和 Jupyter 的 Docker 容器。这种组合极大提升了开发效率——无需繁琐配置即可快速进入模型调试环境。但随之而来的…

作者头像 李华
网站建设 2026/4/16 12:07:22

适合新手的5个爬虫工具软件,非常强大~

爬虫,又称为网络爬虫或网页爬虫,是一种自动浏览互联网的程序,它按照一定的算法顺序访问网页,并从中提取有用信息。爬虫软件通常由以下几部分组成: - 用户代理(User-Agent):模拟浏览…

作者头像 李华
网站建设 2026/4/16 12:57:35

避免常见错误:PyTorch安装时CUDA不匹配问题终极解决方案

避免常见错误:PyTorch安装时CUDA不匹配问题终极解决方案 在深度学习项目刚启动的那一刻,最让人沮丧的不是模型训练慢,也不是数据清洗繁琐,而是满怀期待地运行代码后,终端弹出那句冰冷的提示: False——当…

作者头像 李华