根据点云的z坐标值将其切片 并可视化切片 附python代码

于 2024-05-20 14:38:06 发布
阅读量56 收藏
点赞数
分类专栏： 点云-激光雷达处理代码合集 python为主 激光雷达 点云 c++为主 文章标签： python 开发语言 点云 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/a394467238/article/details/138727778
版权

  1. 主函数：

    • 读取点云数据：使用o3d.io.read_point_cloud函数从文件"downsampled_pcd.pcd"中读取点云数据，并存储在pc变量中。
    • 设置切片参数：
      • d：切片的厚度。
      • dPlatform：分割的台体厚度，它决定了点云在z轴方向上被切分的间隔。
    • 获取点云的最小和最大边界：使用pc.get_min_bound()和pc.get_max_bound()函数获取点云在x、y、z方向上的最小和最大坐标值，并存储在min_bound和max_bound变量中。
    • 根据z坐标值对点云进行切片：
      • 遍历点云中的每个点，计算其z坐标值与最小z坐标值的差值，并除以dPlatform得到index。
      • 如果该点位于由slice_min和slice_min + d定义的切片范围内，则将其索引添加到indices列表中。
    • 选择切片点云并着色：使用pc.select_by_index(indices)函数从原始点云中选择切片点云，并使用paint_uniform_color函数将其颜色
了解本专栏 订阅专栏 解锁全文
点云-激光雷达-Slam-三维牙齿
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
PCL 点云切片
点云侠的博客
11-10 5306
点云切片的C++代码实现
PCL点云切片算法程序
qq_39897387的博客
02-22 1957
#include <pcl/ModelCoefficients.h> #include <pcl/io/pcd_io.h> #include <pcl/io/pcd_io.h> #include <pcl/point_types.h> #include <pcl/filters/extract_indices.h> #include <pcl/filters/passthrough.h> #include <pcl/featur.
Open3D 点云切片
点云侠的博客
11-13 4993
点云切片的python代码实现
点云切片的实现（PCL）C++
最新发布
qq_19319481的博客
09-06 1143
点云切片的实现（PCL）C++
Python的地形三维可视化Matplotlib和gdal使用实例
09-21
总的来说，Python的地形三维可视化结合了Matplotlib的强大绘图功能和gdal的专业地理数据处理能力，使得开发者能够轻松地将地理空间数据转化为直观的三维图像，这对于地质分析、环境研究等领域具有极大的价值。
图像处理，python, 提取灰度图像素坐标值
05-16
设定灰度值阈值，输出较大的像素灰度值坐标——像素坐标系，转存入TXT文件中
javascript实时获取鼠标坐标值并显示的方法
10-24
主要介绍了javascript实时获取鼠标坐标值并显示的方法,涉及javascript操作鼠标事件的相关技巧,非常具有实用价值,需要的朋友可以参考下
python调用百度地图WEB服务API获取地点对应坐标值
12-25
本篇博客介绍如何使用Python调用百度地图WEB服务API获取地点对应坐标值，现有一系列结构化地址数据（如：北京市海淀区上地十街十号），目的是获取对应坐标值。 百度地图开发者平台路线规划使用说明网址 最终结果是...
CloudCompare——点云切片
热门推荐
点云侠的博客
07-03 2万+
点云切片、轮廓提取等操作的CloudCompare软件实现。
点云切片；点云平面切割
11-23
主要用于三维点云的平板分割, 每次只能分割出一个平面。 (It is mainly used for 3D point cloud segmentation.Only one plane can be segmented at a time.)
点云切片的C++代码实现.rar
09-03
基于PCL使用C++代码实现的点云切片，包含代码，算法原理和实验数据。基于PCL使用C++代码实现的点云切片，包含代码，算法原理和实验数据。基于PCL使用C++代码实现的点云切片，包含代码，算法原理和实验数据。基于PCL使用C++代码实现的点云切片，包含代码，算法原理和实验数据。
一文详解点云分割算法
weixin_36342174的博客
03-09 946
作者丨书生意封侯@知乎 来源丨https://zhuanlan.zhihu.com/p/470782623 编辑丨3D视觉工坊 从某种意义上说，地面点剔除（分割）也属于点云分割的一种，但两者技术路线有所不同，因此本节主要是针对地面点剔除后的点云分割。 传统点云分割的方式，通过查阅文档后发现网上文档大都雷同，但由于时间关系且并不是本次学习的重点，因此本次记录暂不详细探究，但对相关论文进行下载。 1.1...
点云切片，并保存切片
mengzhilv11的博客
08-11 2135
对点云进行切片并保存切片。
点云分割入门（1）
MyLying97的博客
08-05 5122
近期在学习点云分割，了解了一下其目的，意义和几种基本的算法。分享并记录一下~ 点云分割算法分类： 一 基于边缘的分割算法 这种算法用途不是很广，也就没做进一步了解了，接下来几篇博客会对其余的方法有个了解~ ...
【点云论文速读】点云分层聚类算法
点云PCL
05-24 2608
点云PCL免费知识星球，点云论文速读。 标题：PAIRWISE LINKAGE FOR POINT CLOUD SEGMENTATION 作者：Lu, Xiaohu and Yao, Jian and Tu 星球ID：Lionheart|点云配准 欢迎各位加入免费知识星球，获取PDF论文，欢迎转发朋友圈分享快乐。 ●论文摘要 这篇文章中，我们首次提出一种新颖的分层聚类算法----pairwise Linkage（p-linkage），能够用来聚类任意维度的数据，然后高效的应用于3D非结构点云的分类中，P-l
树冠自适应切片算法
dayuhaitang1的博客
03-07 1056
当你凶狠地对待这个世界时，世界却变得温文尔雅了。 ------余华 一、简介 之前在论文里面看到了这样一种方法来进行切片，具体过程如下： 1、首先按照指定层数进行等距分层。 2、计算每一层点云的投影面积。 3、计算相邻层之间的比值，并计算所有比值的平均值。 4、将大于平均比值的点云切片归为一类，反之归为另一类。 5、比较相邻点云切片是否为同一类，为同一类则进行合并，反之则不合并。 二、代码实现 Drawing.m % 自适应切片算法 %输入数据：pcd格式点云数据 clear clos.
PCL点云处理之分层切片法计算树冠投影面积 （一百七十四）
weixin_44329757的博客
06-03 1536
使用分层切片法，具体计算树冠投影面积，结果更准确
matlab 点云沿坐标轴进行等距切片
点云侠的博客
08-13 2401
点云切片的matlab代码实现
实现点云在z轴方向的投影切片具体代码（c++）
05-25
点云在z轴方向的投影切片可以通过以下方式实现： 1. 遍历点云中每个点，将其投影到z=0平面上。 2. 将所有投影后的点按照z坐标值进行排序。 3. 将排序后的点按照z坐标值分组，每个组代表一个切片。 4. 对每个切片进行处理，如可视化、计算表面积等。 下面是具体的C++代码实现： ``` #include <iostream> #include <vector> #include <algorithm> struct Point { float x, y, z; }; // 按照z坐标值从小到大排序 bool compare_z(const Point& a, const Point& b) { return a.z < b.z; } int main() { // 假设有一个点云 std::vector<Point> point_cloud = { {1.0f, 2.0f, 3.0f}, {2.0f, 3.0f, 1.0f}, {3.0f, 1.0f, 2.0f}, {4.0f, 5.0f, 3.0f}, {5.0f, 3.0f, 4.0f}, {6.0f, 4.0f, 2.0f} }; // 投影到z=0平面上 for (auto& p : point_cloud) { p.z = 0.0f; } // 按照z坐标值排序 std::sort(point_cloud.begin(), point_cloud.end(), compare_z); // 分组 std::vector<std::vector<Point>> slices; slices.push_back(std::vector<Point>()); slices[0].push_back(point_cloud[0]); float z_prev = point_cloud[0].z; for (size_t i = 1; i < point_cloud.size(); ++i) { if (point_cloud[i].z == z_prev) { slices.back().push_back(point_cloud[i]); } else { slices.push_back(std::vector<Point>()); slices.back().push_back(point_cloud[i]); z_prev = point_cloud[i].z; } } // 对每个切片进行处理 for (size_t i = 0; i < slices.size(); ++i) { // 可在这里进行可视化、计算表面积等操作 std::cout << "Slice " << i << " has " << slices[i].size() << " points." << std::endl; } return 0; } ``` 这是一个简单的实现，如果需要更高效的方式可以考虑使用KD树或者Octree来加速处理。

“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
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

点云-激光雷达-Slam-三维牙齿

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

实付元
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