CloudCompare使用，制作点云数据集

小马1231

已于 2024-06-28 20:12:31 修改

阅读量1.5k

点赞数 4

文章标签：学习

于 2024-06-28 19:49:58 首次发布

本文链接：https://blog.csdn.net/m0_67690830/article/details/140051620

版权

一、目标

Shapenet的参考点云数据集txt，总共有7列，前三列坐标信息：（x，y，z），中间三列rgb：（R，G，B），最后一列标签列。

目标是做一个类似的城墙残损点云分割数据集。

二、数据准备

数据是普通三维点云数据，使用recap把觉得真正有价值的点（清楚的目标点）保留下来，背景周围环境都删除。

把.rcp文件另存为.pts文件，才能拖拽进CLoudCompare。

三、CloudCompare操作

1、继续删除没用的点

参考博客：

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

小马1231

关注关注

4
点赞
踩
25

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

【PointNet++】制作点云数据集使用CloudCompare进行标注

纵马踏花向自由

06-12

3951

使用PointNet++复现成功后，需要训练自己的数据集。于是使用cloudcompare参照ShapeNet的数据集格式去制作，最终保存的txt文件格式为“xyz+rgb+label”，一共7列。自己按此制作好的数据集已成功训练及推测，于是记录下来让好兄弟好姐妹们少踩坑多吃肉。

3D点云处理：数据集生成点云（源码）

lddx_123456的博客

11-20

2144

通过C++\Opencv加载图像，使用Pcl生成点云。

参与评论您还未登录，请先登录后发表或查看评论

小样本点云深度学习库_基于点云深度学习的点云数据集制作系统及方法与流程...

weixin_39738774的博客

12-21

840

本发明涉及测控技术领域，尤其涉及一种基于点云深度学习的点云数据集制作系统及方法。背景技术：深度学习网络模型一般都是基于64线单帧激光数据集进行。但64线激光器和单帧的限定，造成了工程应用中点云数据到深度学习网络模型不匹配。技术实现要素：本发明实施例至少揭露了一种基于点云深度学习的点云数据集制作方法。本实施例揭露的方法被执行时能够制作单线及多线融合后的点云数据集，该点云数据集能够匹配较多的深度学习网...

【图像处理】CloudCompare 提取目标点云

最新发布

DonWheel的博客

02-17

596

将点云ply格式数据转为pcd格式数据

macOS + PCL + CLion + CloudCompare 生成点云数据

qq_33177268的博客

04-29

765

参考文章：https://blog.csdn.net/qq_44324181/article/details/119426786 一、环境系统：macOS Monterey 12.3.1 (21E258) CPU：2.3 GHz 四核Intel Core i5 brew： brew install pcl /usr/local/Cellar/pcl/1.12.1_2 brew install qt /usr/local/Cellar/qt/6.2.3_1 二、CMakeLists.txt cm

构建自己的点云数据集

qq_41863816的博客

10-13

1188

构建自己的点云数据集(附代码）

点云数据集的制作工具

qq_58060770的博客

01-31

1052

点云是由三维空间中的一系列点组成的数据结构，常用于各种应用，包括3D建模、计算机视觉、机器人导航和自动驾驶车辆。

如何使用CloudCompare生成常见几何点云？

qq_60088512的博客

06-28

1749

从mesh模型采样点云步骤：Edit-->Mesh-->Sample points-->设置参数。File-->Primitive factory-->设置参数-->Create。在DB Tree中点击要保存的点云文件，点击保存，选择格式进行保存。参数包含采样个数、密度、法向量信息等。1.创建基础几何体模型。

cloudcompare制作点云分割数据集

u012901740的博客

08-19

2494

我这里总体介绍能满足语义和实例分割任务的数据集标注方式，但其中没有想其他介绍的对点云加标签，我这里是主要减少标注过程中操作，利用文件名约束，最后通过程序来转化成具体用什么框架和什么任务的数据集。

利用cloudcompare标注的点云数据制作成semantickitti数据格式

qq_60307189的博客

03-04

1208

1、首先使用cloudcompare对点云数据进行标注，标注后的数据保存为txt格式(导出为pcd为binary格式，转换较为麻烦，因此直接保存为txt格式)3、将未标注的原始pcd文件转换为.bin格式，将第2步得到的pcd文件转换为.label格式。今天用自己做的数据集终于跑通了mm3d的语义分割模型，浅浅记录一下嘻嘻。

cloudcompare数据

03-12

cloudcompare所需要的点云数据，对数据处理后能够生成点云

轻松使用CloudCompare实现点云数据的可视化

资源摘要信息:"CloudCompare是一种...总结来说，CloudCompare点云可视化软件是一款功能全面、操作简便的点云数据处理工具，它以开源、跨平台和自由使用的特点受到广泛欢迎，是从事点云相关工作的专业人士的优选软件。

CloudCompare安装与使用记录——点云标注

qq_53589322的博客

07-16

1万+

CloudCompare是一个三维点云(和三角网格)编辑和处理软件。最初，它被设计用于在稠密的3D点云之间进行直接比较。它依赖于一个特定的八叉树结构，在执行此类任务时能够获得出色的性能。此外，作为大多数点云CloudCompare是通过地面激光扫描仪获取的，它的目的是在一个标准笔记本电脑——通常超过1000万点(2005年)不久后，点云和三角形云之间的比较网格已支持(见下文)。随后，许多其他点云处理算法相继出现注册，重采样，颜色/法向量/标量域管理，统计计算，传感器管理，交互或自动分割等)

自制数据集：点云变化

原来也有北瓜

11-08

270

在干净的点云数据集中加入噪声时，由于不同点云的尺寸不同，很难控制噪声的幅度。为此，需要将所有点云变换到−0.50.53的空间当中。下面是一种将点云数据集中的所有点云变换到−0.50.53这个代码片段中的参数是一个形状为(N, 3)的NumPy数组，其中N是点的数量，每个点由三个坐标表示。代码先计算点云的最大和最小坐标值，然后根据这些值来缩放和平移点云，从而将其范围映射到−0.50.53空间。你可以将这个函数应用于你的点云数据集，以实现将所有点云变换到指定空间的目的。

CloudCompare自定义生成立方体点云

m0_61703832的博客

11-13

601

这里也可以选择其他的形状；再设置几何体相应的参数即可。注意：初始精度决定生成模型的三角形面片数量，最后点击一次。4. 主要设置点的个数，点击ok。3. 点击编辑，网格，样本点。

基于OpenPCDet框架和kitti数据集格式的自制纯点云数据集的深度学习训练

m0_54218171的博客

06-05

4461

打开标签文件，把标签文件的每一行作为一个字符串保存在lines[]，便利lines[]每一个元素，传入Object3d类中实例化，在Object3d类中将标签文件的每一行元素中的每个元素解析出来作为Object3d的属性，最后便利完成生成一个objects列表，其中包含每个object的所有信息。以上分析了代码中的train的pkl生成过程，test，val原理相同，都是通过不同参数调用get_infos（）形成，有了pkl，openpcdet框架就可以方便的调用数据进行训练了。（自定义纯点云数据集构建）

全流程点云机器学习（一）使用CloudCompare自制sharpNet数据集

Andius的博客

02-21

1669

我们可以在网站上下载到SharpNet的数据集和标签，我们下载下来解压看看里面的结构以下是训练集点云文件组以下是训练集点云的标签组也就是说实际上是一个pts文件对应一个.seg文件。其中pts文件好理解，就是一个个的明文点云，内容如下:打开seg文件，里面行数和同名的pts文件行数相同，这个.seg文件中代表的意思就是对应行数的点所对应的label标签，通常以一个数字来表示，比如1是背景，2，3，4代表各种各样的对象，具体每个数字对应的对象是什么。