read_point_cloud(filename, format='auto', remove_nan_points=True, remove_infinite_points=True, print_progress=False)
作用: 从文件读取点云。 当用户不填写点云的扩展名时,会自动解码;若填写它尝试根据扩展名对文件进行解码。
filename
|
点云文件的路径
|
format
|
输入文件的格式。如果未指定或设置为“auto”，则从文件扩展名推断格式。
|
remove_nan_points
|
如果为true，则将从点云中删除包含NaN的所有点。
|
remove_infinite_points
|
如果为true，则将从点云中删除包含无限值的所有点。
|
print_progress
|
如果设置为true，则在控制台中可视化进度条
|
draw_geometries(window_name='Open3D', width=1920, height=1080, left=50, top=50, point_show_normal=False, mesh_show_wireframe=False, mesh_show_back_face)
作用: 可视化点云。 使用鼠标/触控板从不同的角度查看几何图形。按H键为GUI打印出键盘指令的完整列表。
|
window_name
|
可视化窗口的显示标题。
|
|
width
|
可视化窗口的宽度。
|
|
height
|
可视化窗口的高度。
|
|
left
|
可视化窗口的左边距。
|
|
top
|
可视化窗口的上边距。
|
|
point_show_normal
|
如果设置为true，则可视化点法线。
|
|
mesh_show_wireframe
|
如果设置为true，则可视化网格线框。
|
|
mesh_show_back_face
|
可视化网格三角形的背面。
|
# -*-coding:utf-8 -*-
import os
import open3d as o3d
import numpy as np
test_data_dir = '/home/pi/PycharmProjects/learn/Open3D/examples/test_data'
point_cloud_file_name = 'fragment.ply'
point_cloud_file_path = os.path.join(test_data_dir, point_cloud_file_name)
print("加载一个格式为ply的点云,并对其进行打印和渲染")
# 读取点云
pcd = o3d.io.read_point_cloud(point_cloud_file_path)
# 打印点云
print(pcd)
print(np.asarray(pcd.points))
# 可视化点云
o3d.visualization.draw_geometries([pcd],
zoom=0.3412,
front=[0.4257, -0.2125, -0.8795],
lookat=[2.6172, 2.0475, 1.532],
up=[-0.0694, -0.9768, 0.2024])
使用
Open
3D
和PointNet ++进行Semantic
3D
语义分割
使用和PointNet ++进行Semantic
3D
（semantic-8）分割的演示项目。 该项目的目的是展示
Open
3D
在深度学习管道中的用法，并为Semantic
3D
数据集上的语义分段提供一个干净的基线实现。 这是语义8测试基准页面上的。
是一个开放源代码库，支持快速开发处理
3D
数据的软件。
Open
3D
前端使用C ++和Python公开了一组精心选择的数据结构和算法。 后端经过高度优
化
，并设置为并行
化
。 我们欢迎开源社区的贡献。
在此项目中，
Open
3D
用于
点云数据的加载，编写和可
视
化
。
Open
3D
从这一篇博客开始，开始利用
Open
3d
来处理点云数据。之后将围绕点云数据的多种处理方式来记录笔记。本篇博客的内容包括点云的文件格式介绍，点云数据的读取，以及点云的配准与点云的法向量计算。
它提供了更多的功能和选项，可以进行更复杂的点
云可
视
化
和交互操作。通过PCLVisualizer，可以实现添加多个点云，设置不同的渲染属性（颜色、大小、透明度等），添加文本标签，显示坐标轴，添加法线、曲线、平面等等。是一个简单的点云查看器类，提供了一个简单的接口来在窗口中显示点云数据。它可以快速地显示点云，并且只需要几行代码即可实现简单的点云查看功能。则适用于更复杂、灵活和定制
化
的点
云可
视
化
和交互需求，它提供了更多的选项和功能，但也需要更多的代码来实现。适用于简单的点云查看和快速的可
视
化
需求，而。
| | | |
Open
3D
-ML是
Open
3D
的扩展，用于
3D
机器学习任务。 它建立在
Open
3D
核心库的基础上，并通过用于
3D
数据处理的机器学习工具进行了扩展。 此回购集中于诸如语义点云分段之类的应用程序，并提供可应用于常见任务以及训练管道的预训练模型。
Open
3D
-ML可与TensorFlow和PyTorch轻松集成到现有项目中，并且还提供独立于ML框架的常规功能，例如数据可
视
化
。
Open
3D
-ML集成在
Open
3D
v0.11 + python发行版中，并且与以下版本的ML框架兼容。
PyTorch 1.6
TensorFlow 2.3
CUDA 1
目录网络中同一
视
角显示点
云可
视
化
点云使用knn搜索点云，并指定颜色可
视
化
点云+label可
视
化
两个点云保存与读取view point动态显示点云动态显示点云SemanticKITTI bin+label点云转PCD
网络中同一
视
角显示点云
import numpy as np
from numpy.core.fromnumeric import reshape
import
open
3d
as o
3d
from torch import tensor, Tensor
COLOR_MAP = {
模型训练完成后除了看ap等定量的指标是否变好外，还需要将结果可
视
化
出来，直接观察模型的输出结果，往往我们的数据会比较多，如果单帧的看的话会比较麻烦，需要频繁的关闭窗口，最好是能直接连续的播放数据和模型的推理结果。我这里以waymo数据集中的一个场景分别给出
open
3d
连续播放可
视
化
的实现过程，样例数据已经上传网盘。（这里只放出第一种和第三种，第二种太过复杂么，需要设计很多控制变量）
