ubuntu18.04+python3+pycharm+pcl1.8实现点云的保存和读取

ubuntu18.04+python3+pycharm+pcl1.8实现点云的保存和读取
从开始学习opencv时，就一直用python，现在在学习3D视觉，pointcloud是个难啃的骨头，pcl库的一些函数用法大部分都是C++，深度转点云。点云图的保存和读取，大部分教程都是C，python很少，这里我来分享python-pcl的一些函数的参数使用，后续会更新python版本的pcl库的一些使用，点云滤波器、过滤器、3D测量、3D的物体分割与识别等

1.点云图的获取
首先要使用realsense D415获取点云图，需要安装PCL,realsense等工具库，安装说明见我上一个博客，这里直接给代码了，大概流程是：

1. 启动相机获取彩色图，深度图，着色深度图，
2. 深度图转为点云图，这里把深度的一些信息写入到txt文件中
3. 然后读取txt文件，使用pcl.save()保存为PCD点云文件

import pyrealsense2 as rs
import numpy as np
import cv2
import pcl
from pcl import pcl_visualization


def get_image():
    # Configure depth and color streams
    pipeline = rs.pipeline()
    config = rs.config()
    config.enable_stream(rs.stream.depth, 640, 480, rs.format.z16, 30)
    config.enable_stream(rs.stream.color, 640, 480, rs.format.bgr8, 30)
    # Start streaming
    pipeline.start(config)
    #获取图像，realsense刚启动的时候图像会有一些失真，我们保存第100帧图片。
    for i in range(100):
        data = pipeline.wait_for_frames()
        depth = data.get_depth_frame()
        color = data.get_color_frame()
    #获取内参
    dprofile = depth.get_profile()
    cprofile = color.get_profile()
    cvsprofile = rs.video_stream_profile(cprofile)
    dvsprofile = rs.video_stream_profile(dprofile)
 
    color_intrin=cvsprofile.get_intrinsics()
    print(color_intrin)
    depth_intrin=dvsprofile.get_intrinsics()
    print(color_intrin)
    extrin = dprofile.get_extrinsics_to(cprofile)
    print(extrin)
 
    depth_image = np.asanyarray(depth.get_data())
    color_image = np.asanyarray(color.get_data())
 
    # Apply colormap on depth image (image must be converted to 8-bit per pixel first)
    depth_colormap = cv2.applyColorMap(cv2.convertScaleAbs(depth_image, alpha=0.03), cv2.COLORMAP_JET)
    cv2.imwrite('color.png', color_image)
    cv2.imwrite('depth.png', depth_image)
    cv2.imwrite('depth_colorMAP.png', depth_colormap)
    # scipy.misc.imsave('outfile1.png', depth_image)
    # scipy.misc.imsave('outfile2.png', color_image)


def my_depth_to_cloud():
    pc = rs.pointcloud()
    points = rs.points()
 
    pipeline = rs.pipeline()
    config = rs.config()
    config.enable_stream(rs.stream.depth, 640, 480, rs.format.z16, 30)
    config.enable_stream(rs.stream.color, 640, 480, rs.format.bgr8, 30)
    pipe_profile = pipeline.start(config)
 
    for i in range(100):
        data = pipeline.wait_for_frames()
        depth = data.get_depth_frame()
        color = data.get_color_frame()
 
    frames = pipeline.wait_for_frames()
    depth = frames.get_depth_frame()
    color = frames.get_color_frame()
 
    colorful = np.asanyarray(color.get_data())
    colorful=colorful.reshape(-1,3)
 
    pc.map_to(color)
    points = pc.calculate(depth)
    #获取顶点坐标
    vtx = np.asanyarray(points.get_vertices())
    #获取纹理坐标
    #tex = np.asanyarray(points.get_texture_coordinates())
    with open('could.txt','w') as f:
        for i in range(len(vtx)):
            f.write(str(np.float(vtx[i][0])*1000)+' '+str(np.float(vtx[i][1])*1000)+' '+str(np.float(vtx[i][2])*1000)+' '+str(np.float(colorful[i][0]))+' '+str(np.float(colorful[i][1]))+' '+str(np.float(colorful[i][2]))+'\n')
    with open('could.txt','r') as f:
        lines = f.readlines()
        num = 0
        data = []
        for line in lines:
            l=line.strip().split()
            data.append([np.float(l[0]),np.float(l[1]),np.float(l[2]),np.float(l[3]),np.float(l[4]),np.float(l[5])])
            #data.append([np.float(l[0]), np.float(l[1]), np.float(l[2])])
            num = num+1
    with open('cloud_rgb.txt', 'w') as f:
        for i in range(len(data)):
            f.write(str(np.float(data[i][0])) + ' ' + str(np.float(data[i][1])) + ' ' + str(np.float(data[i][2]))+ ' '  + str(np.int(data[i][3])<<16|np.int(data[i][4])<<8|np.int(data[i][5]))+'\n')


def visual_demo():
    cloud = pcl.PointCloud_PointXYZRGB()
    points = np.zeros((307200, 4), dtype=np.float32)
    n = 0
    with open('cloud_rgb.txt','r') as f:
        lines = f.readlines()
        for line in lines:
            l=line.strip().split()
            #保存xyz时候扩大了1000倍，发现并没有用
            points[n][0] = np.float(l[0])/1000
            points[n][1] = np.float(l[1])/1000
            points[n][2] = np.float(l[2])/1000
            points[n][3] = np.int(l[3])
            n=n+1
    # print(points[0:100]) #看看数据是怎么样的
    cloud.from_array(points)# 从array构建点云的方式
    #保存点云文件
    pcl.save(cloud, './1.pcd')
    visual = pcl.pcl_visualization.CloudViewing()
    visual.ShowColorCloud(cloud)
    v = True
    while v:
        v = not (visual.WasStopped())


if __name__ == "__main__":
    get_image()
    my_depth_to_cloud()
    visual_demo()

2.点云图的保存：
这里主要讲PLY和PCD两种点云的文件类型，具体就不再解释了，目前，点云文件保存为*.pcd是最为广泛使用的，可存储的类型很多。可以直接使用PCL库的save函数进行保存（之前看过一篇点云保存的文章，主要操作就是把深度图的参数写入color_rgb.txt文件，保存的时候先读入这个文件，然后转换类型、统计源文件的点数等一些操作，看起来比较麻烦），废话不多说，直接上代码：

def visual_demo():
    cloud = pcl.PointCloud_PointXYZRGB()#创建pointcloud的类型，着色点云
    points = np.zeros((307200, 4), dtype=np.float32)
    pcl.save(cloud, './1.pcd')
    #函数参数说明：save(cloud: Any,path: {endswith},format: Any = None,binary: bool = False) -> Any
    # cloud：创建的点云对象
    # path：点云文件的保存路径，其余参数不用管

ok，点云图的保存就一个save函数搞定，点云文件保存如下

3.点云图的读取
直接上代码：

def readpcdfile_demo():
	# 加载刚刚保存的点云文件：1.pcd
    cloud = pcl.load_XYZRGB('./1.pcd')
    visual = pcl.pcl_visualization.CloudViewing()# 创建visual类，创建显示窗口，名字为：PCD viewer
    visual.ShowColorCloud(cloud, b'cloud')#cloud前面一定不要忘了'b'，至于为啥这里也不是太懂
    flag = True
    while flag:
        flag != visual.WasStopped()

读取结果如下：

欧克，点云的保存和读取更新到这，后面会更新python版本的点云滤波器、过滤器的代码和解释，谢谢，有错误的地方欢迎评论！