可视化点云

import mmcv
import numpy as np
from mmengine import load

from mmdet3d.visualization import Det3DLocalVisualizer

info_file = load('demo/data/kitti/000008.pkl')
points = np.fromfile('demo/data/kitti/000008.bin', dtype=np.float32)
points = points.reshape(-1, 4)[:, :3]
lidar2img = np.array(info_file['data_list'][0]['images']['CAM2']['lidar2img'], dtype=np.float32)

visualizer = Det3DLocalVisualizer()
img = mmcv.imread('demo/data/kitti/000008.png')
img = mmcv.imconvert(img, 'bgr', 'rgb')
visualizer.set_image(img)
visualizer.draw_points_on_image(points, lidar2img)
visualizer.show()
  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
(Point Cloud)是由大量离散点构成的模型表示对象表面的数据集合,常用于三维建模和觉感知。批量可bin是指对多个点二进制文件(.bin格式)进行可处理。 在进行批量可bin之前,首先需要加载点数据。可以使用相关的点处理库,如PCL(点库)或Open3D(开源三维库),通过读取二进制文件并将其解析为点数据结构。 接下来,可以使用可库来将点数据可。PCL和Open3D都提供了点的功能。使用这些库的接口,可以将点数据以三维形式呈现出来,从而可以进行旋转、缩放和平移等操作,以便更好地观察点。 批量可bin的具体步骤如下: 1. 导入点库:首先需要在代码中引入相应的点库,如PCL或Open3D。 2. 读取点数据:使用点库提供的函数读取二进制文件,并将其解析为点数据结构。 3. 创建可窗口:使用点库提供的函数创建一个或多个可窗口,用于显示点数据。 4. 添加点数据到窗口:使用点库提供的函数将解析后的点数据添加到可窗口中。 5. 设置可参数:可以设置点的颜色、大小、透明度等参数,以便更好地展示点数据。 6. 显示点数据:通过调用可库提供的函数,将点数据在可窗口中进行展示。 7. 循环处理:如果有多个点二进制文件需要处理,则可以通过循环读取和可不同的文件,一次显示一个点。 以上就是批量可bin的基本步骤。通过这些步骤,我们可以方便地对多个点二进制文件进行可处理,以便更好地理解和分析点数据。

“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 1
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
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