PCDViewer-2.0 点云可视化利器

(下载地址:PCDViewer Release Page_Jacky_546287052的专栏-CSDN博客

距离PCDViewer-1.0发布过去已经一年多了,一年多以来,PCDViewer获得了很多朋友的下载,身边的用过朋友也给出了不错的反馈,这也给了我进一步更新PCDViewer的动力。我希望用我自身的技术积累,为大家带来更好的使用体验,同时也提高我们的开发和工作效率。因为工作比较忙的原因,PCDViewer的更新一直都断断续续,而更新完到现在发布,中间又经过了一段比较长的时间。不过根据我本身的使用体验,这一次绝对带来了重量级更新。这次更新充分继承了PCDViewer-1.0的优点,又将PCDViewer-1.0的潜力较大程度的释放了出来,包括更丰富的界面、深度的可视化配置、更方便的操作。我把这款软件称之为点云可视化利器,相信朋友们用过后,会和我有同样的感受。

PCDViewer-2.0完整地继承了PCDViewer-1.0的所有优点,包括(点云可视化和编辑工具 PointCloudVeiwer-PointCloudLabeler_Jacky_546287052的专栏-CSDN博客_点云可视化软件):

  • 支持超大数据量点云显示;
  • 提供了透视投影和正投影两个版本;
  • 支持pcl pcd格式点云和LAS点云数据;
  • 支持按高程/类别/反射值等显示点云;
  • 支持按pose显示拼接点云;
  • 支持自动旋转展示点云;
  • 提供了方便的编辑操作快速完成对点云的编辑;
  • 提供了方便的快捷键进行各种操作。

主要更新包括:

1.  提供了文件组织和操作界面

     这使得我们释放了以下功能:

  • 方便地查看我们所打开的所有文件;
  • 我们可以按不同的folder组织文件;
  • 可以方便地查看各文件的属性信息,包括包围盒、点数、文件路径;
  • 支持对选中的文件进行删除操作;
  • 可以对文件进行结构化组织;
  • 最重要的,可以对不同的点云设置不同的渲染和点大小;
  • 甚至,可以根据点云的高程直方图和反射值直方图配置点云的着色方案,使得显示出更惊艳的点云可视化效果。

    (鼠标右键或双击弹出菜单。)

    (也许你已经觉得这些足够惊艳,但这些并不是本次更新的全部!)

      

2.  提供了单点拾取和距离量测功能;

      

3.  支持了对颜色类别的编辑,并支持添加和删除类别

  4. 支持了一些三维可视化的深度定制功能,包括设置旋转模式和设置显示的背景颜色

      软件默认按“轨道旋转”,这是一种很好的旋转模式。如果你更习惯跟踪球,你也可以设置为按跟踪球旋转。

       

   5. 添加了坐标轴显示和辅助网格,当然,如果你不喜欢,你随时可以关掉

       坐标轴:Red, Green, Blue对应X, Y, Z

       单位网格大小:10m

         

6.  一些PCDViewer-1.0已经提供,但没有显式说明的功能/特点

  •  提供了随机类别颜色(Label-ex),这种方式在颜色查找表大小不够时非常有用,比如,你想可视化你的点云聚类效果,而你的cluster有成百上千个;
  •  提供了窗口快速截图功能(Capture Image)
  •  提供漫游操作的设置键   P/p -- 加快平移速度/降低平移速度;Z/z -- 加快缩放速度/降低缩放速度; R/r -- 加快旋转速度/降低旋转速度
  •  Shift + r  开启或暂停自动旋转
  • S/s : 增大/减少 点显示的大小

   H:  只在水平方向进行旋转 -- 禁用上下旋转
   V:只在竖直方向进行旋转 -- 禁用水平旋转
   
   提示:支持无限放大。有时候看起来还有放大空间,但放大不动了,不是放大到头了,实际上还可以放大。多次按大写Z,放大缩放速度,然后就会发现又可以放大了。

    还有一些特点我想再一次强调:

  •  提供了透视投影和正投影两个版本,而这两个版本共享相同的界面和相同的操作(在三维引擎上进行了强大的支持)
  •  支持显示拼接点云,只需要先加载pose文件,再加载需要加载的点云文件,原理 Xi_gobal = Ti * Xi_local。pose数据字段  

        pose 字段: frame_id  timestamp  x  y  z  qx  qy  qz  qw

              frame_id 对应该帧点云的文件名;

              timestamp是点云时间戳,可全为0;

              x, y, z:点云局部坐标原点在global坐标系中的坐标

             qx, qy, qz, qw: 四元数,对应点云局部坐标系到全局坐标系的旋转

        pose文件无文件头。

      OK,主要特点先更新到这里,欢迎大家试用!当然,这并不是一款完美的软件,更多功能我们期待下一次更新!同时,作者也声明这款软件并没有联网功能,因此也不会搜集用户数据。欢迎大家试用,也欢迎给身边的朋友分享!

下载链接:

PCDViewer Release Page_Jacky_546287052的专栏-CSDN博客icon-default.png?t=L892https://blog.csdn.net/Jacky_546287052/article/details/118074205            

  • 9
    点赞
  • 27
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 19
    评论
### 回答1: Python-PCL是一个Python绑定库,它提供了对PointCloud库的访问。点云网格化算法是将点云数据进行处理后生成一张网格表面的算法。网格化可以使点云数据更容易可视化、分析和处理。Python-PCL点云网格化算法可以将点云数据分割成均匀分布的三角形网格,并构建一个平滑的网格表面。 Python-PCL点云网格化算法的主要步骤包括: 1.加载点云数据并将其转换为PointNormal格式,以便于法线估计和网格化操作。 2.对点云数据进行法线估计。该过程使用一种求点云曲率的技术,将每个点的法线计算出来,并保存在其对应的点中。 3.将法线信息与点云数据结合,构建一个SurfaceReconstruction3D对象来执行网格化操作。在这个过程中,算法使用一个梯度下降优化算法,将点云数据映射到一个均匀分布的三角形网格上。优化约束条件限制每个三角形的边长,使网格表面更加平滑。 4.最后根据三角形间的相交情况对网格进行修复,并输出网格数据。在这个过程中,算法检查每个三角形是否与其他三角形相交,并尝试通过联通、压缩网格等修复操作,使网格曲面更加平滑。 Python-PCL点云网格化算法是一种实现点云数据可视化、处理和分析的有效工具。在3D打印、机器人视觉和虚拟现实等领域都有广泛的应用。 ### 回答2: Python-PCL是一个Python的PCL(点云库)封装库,允许用户在Python中使用PCL中的众多算法。点云网格化算法就是Python-PCL之中的一个非常重要的算法。 点云网格化算法是将点云数据转化为网格表示的过程,在这个过程中,将点云数据转换为一个等间距的二元矩阵表示。由于点云数据是一个由众多点组成的体,因此,这个矩阵是被空缺的网格填充而成的。在这个过程中,点云数据通过多次计算,不断地从自由形状变为一种规则形状,从而提高点云数据的处理效率。 点云网格化算法是通过点云曲面重构的算法实现的。曲面重构算法能够将点云数据转化为一个规则的几何模型,从而为相关应用提供了非常大的便捷,因此,点云网格化算法的应用非常广泛,例如:机器视觉,三维打印等方面。在Python-PCL的应用中,点云网格化算法的实现基于VTK(Visualization ToolKit)工具包,通过VTK包中的vtkPolyDataMapper类实现点云网格化。 点云网格化算法的实现需要通过多次迭代计算,使点云数据沿着均匀分布的空间方向发生变化,从而最终能够得到一种规则的几何形状。在实际应用中,点云数据可能会受到很多干扰,例如:噪音、数据不完整等因素,这对点云网格化算法的计算效率提出了非常高的要求,因此,Python-PCL提供了一系列优化的算法来满足实际应用的需求。 ### 回答3: Python-PCL是Point Cloud Library的Python封装库,提供了一组Python模块,可以在Python中使用PCL的功能。PCL是一个C++库,是开发点云处理算法和应用的一流工具,具有许多点云处理功能,如配准、滤波、分割、聚类、特征提取和识别等。 点云网格化是一种将点云转化为网格模型的技术。在点云数据中,所有的点都是离散的,而在网格模型中,点是有序的,因此点云网格化是将离散的点云数据转换为有序的网格数据的过程。 Python-PCL库提供了函数pcl.surface包来执行点云到三角网格转换,使用点云同步方法定义的半径搜索方式构建三角网格。 下面是一个简单的例程,它将点云转换为三角网格: ```python import pcl cloud = pcl.PointCloud.PointXYZRGB() mesh = cloud.make_mesh_cuboid() print('PointCloud before meshing') print(cloud) print('PointCloud after meshing') print(mesh.cloud) print(mesh.polygons) ``` 该例程首先定义了一个PointCloud对象,然后使用make_mesh_cuboid()函数将其转换为三角网格。最后,程序将输出PointCloud以及转换后的mesh。由于make_mesh_cuboid()函数是在一个立方体形状上生成网格对象,因此输出结果可能会有所不同。 总体而言,Python-PCL是一个非常强大的工具,它为Python程序员提供了使用点云数据处理的功能。尤其是对于点云网格化算法,Python-PCL提供了一个方便的方式来将点云数据转换为有序的网格数据。这个库是在点云领域做开发非常有帮助的,它为点云的开发和应用提供了大量的可靠和高效的处理工具。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 19
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Jacky_546287052

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值