点云目标检测：open3d多窗口联动可视化

已于 2023-09-18 17:50:18 修改
阅读量3.8k 收藏 11
点赞数 1
分类专栏： 点云 文章标签： python 点云目标检测 可视化 Open3D可视化
于 2023-04-16 19:00:23 首次发布
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/u014311125/article/details/130174615
版权

多个模型之间的对比除了指标之外，还需要可以直观的对比可视化结果，这次介绍一下如何使用open3d同时打开两个窗口分别加载两个模型的结果，同时实现两个窗口的联动，也就是当一个窗口拖动或者缩放时另外一个窗口也跟着做同样的变换。
点云可视化：使用open3d实现点云连续播放这篇文章里介绍了如何连续播放点云数据，其中介绍了三种方法，我在那篇文章中给了两种方法的代码实现，今天使用第二种方法，实现两个窗口联动且可以连续播放数据，也就是多线程的方式。

一、多窗口联动

使用open3d可视化的时候可以同时加载多个窗口，每个Visualizer可以创建一个窗口，下面的代码就是同时加载两个窗口

    vis = o3d.visualization.Visualizer()
    vis.create_window
了解本专栏 订阅专栏 解锁全文 超级会员免费看
GHZhao_GIS_RS
关注
  • 1
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
订阅专栏
Open3D 可视化(4)——批量动态可视化点云
点云侠的博客
08-06 2672
批量动态可视化点云
点云可视化：使用open3d实现点云连续播放
zhaoguanhua的博客
03-26 5405
模型训练完成后除了看ap等定量的指标是否变好外，还需要将结果可视化出来，直接观察模型的输出结果，往往我们的数据会比较多，如果单帧的看的话会比较麻烦，需要频繁的关闭窗口，最好是能直接连续的播放数据和模型的推理结果。我这里以waymo数据集中的一个场景分别给出open3d连续播放可视化的实现过程，样例数据已经上传网盘。（这里只放出第一种和第三种，第二种太过复杂么，需要设计很多控制变量）
open3d点云可视化及窗口操作（自用）
qq_37221944的博客
12-05 7058
OPEN3D的使用 1 可视化窗操作 https://blog.csdn.net/wangdinghan/article/details/106765479 1.1 鼠标视图控件 左键+拖动：旋转。 Ctrl +左键+拖动：翻译。 滚轮按钮+拖动：平移。 Shift +左键+拖动：滚动。 滚轮：放大/缩小。 1.2 键盘视图控件 [/]：增加/减少视野。 R：重置视点。 Ctrl / Cmd + C：将当前视图状态复制到剪贴板。 Ctrl / Cmd + V：从剪贴板粘贴视图状态。 1.3 常规控件 Q
Python: 用open3D库，连续多帧显示点云（查看localization pose的好坏）
melally的博客
08-02 4477
自动驾驶在做全景分割前，需要确定localization pose要好，LiDAR, Camera, Radar的标定准确，视频不掉帧，后续标注出来使用才不会又问题
点云目标检测可视化 文件
03-31
在实际应用中，点云目标检测的可视化工具如PCL（Point Cloud Library）和Open3D可以帮助我们直观地理解算法的结果，例如通过绘制彩色点云、显示检测框以及高亮目标等方式。这对于调试算法、理解模型行为以及演示系统...
3D目标检测可视化测试数据
10-13
这些数据将被用于运行3D目标检测算法并使用Open3D进行可视化验证。 为了利用这些数据，你需要按照以下步骤进行： 1. 解压文件，获取test_data文件夹。 2. 使用Open3D读取点云数据，例如使用`open3d.io.read_point_...
数据可视化-点云可视化，open3d
最新发布
07-06
与此同时，Open3D作为一款强大的开源工具，为点云数据的处理和可视化提供了极大的便利。Open3D不仅支持多种三维数据格式的读写，还提供了丰富的算法库，用于点云配准、语义分割、表面重建等任务。其高效的计算性能和...
3D目标检测跟踪-基于kitti+waymo数据集的自动驾驶场景的3D目标检测+跟踪渲染可视化.zip
04-07
这通常需要使用专门的可视化库，如Open3D、Mayavi或matplotlib，将检测结果以彩色标记的方式叠加在原始数据上。 在本项目中，开发者可能已经实现了将kitti和waymo数据集的3D目标检测及跟踪结果进行融合，并用一种...
python open3d pyqt的点云开发
01-29
在Python编程领域，结合Open3D库和PyQt5框架可以创建强大的3D可视化应用程序，特别是在处理点云数据时。本文将深入探讨如何利用这两者进行点云开发，包括核心概念、步骤以及如何将Open3D窗口嵌入PyQt5界面。 首先，...
Open3D 可视化(6) ——交互式可视化
点云侠的博客
08-21 2246
Open3D 交互式可视化
使用python-open3d连续帧播放rosbag点云可视化(1)
qq_39311949的博客
08-19 824
安装python-open3d pip3 install open3d 获取rosbag点云并现实显示点云 import rospy import open3d as o3d import numpy as np global d d = None #回调获取点云话题数据 def callback_pcl(data): global d d=data # def Point_cloud(): global d ss=point_cloud2.read_poin
Open3D可视化连续点云帧（From KITTI tracking dataset）
weixin_45738220的博客
03-06 1249
Open3D可视化连续点云帧（From KITTI tracking dataset）
【最详解】如何进行点云的凹凸缺陷检测（opene3D）（完成度80%）
weixin_56760882的博客
02-08 3551
读前须知首先我们得确保你已经完全知晓相关的基本的数学知识，其中包括用最小二乘法拟合曲二次曲面，以及曲面的曲率详细求解。若还是没弄清楚，则详细请看下面链接。【点云、图像】学习中 常见的数学知识及其中的关系与python实战[更新中]（建议从一个标题上从上往下看，比较循序渐进）补充：曲率：反映曲面在某一点处的弯曲程度，它与该点及其邻近点的位置和法向量有关。爆肝5万字❤️Open3D 点云数据处理基础（Python版）学习东西都不是一蹴而就的，果然还是得一步一步脚踏实地地学才学的明白。
不同格式点云存储结构(txt、pcd、las、ply)整理以及基本的读写、可视化方法
热门推荐
zhaoguanhua的博客
07-15 3万+
一、文本（txt） 按行排列，x，y，z，r，g，b 如下图 二、PCD 文件头 三、LAS 四、PLY PLY是一种多边形文件格式，由Standford大学的Truk等人设计开发
点云语义分割:使用RandLA-Net训练自己的数据集
zhaoguanhua的博客
09-13 7423
使用RandLA-Net训练Semantic3D数据集一、数据获取与下载1、数据介绍2、数据预处理二、模型三、测试四、验证结果 一、数据获取与下载 1、数据介绍 数据下载地址:Semantic3D 2、数据预处理 2.1、点坐标、颜色、标签合并、保存成npy格式 2.2、下采样、建立kdtree、建立投影文件 二、模型 三、测试 四、验证结果 ...
在tensorflow2.0环境下使用RandLA-Net训练Semantic3D数据集
zhaoguanhua的博客
07-26 7314
最近在做点云语义分割，RandLA-Net是比较新的针对大规模点云的语义分割网络，之前一直使用的是torch版本的代码在训练自己的数据集，训练结果一直很差，同时我在Semantic3D数据集上训练的效果也很差，有几类精度始终为0，最终平均iou只有20%多，这和作者论文中给出的实验结果相差很大。 为了验证是否是我使用的pytorch工程代码的问题，我打算在作者自己提供的代码上测试一下Semantic3D数据集，RandLA-Net作者在github上发布的是tensorflow版本的代码，而且是tensor
从零开始点云语义分割:RandLANet教程
zhaoguanhua的博客
09-09 7229
这是一个关于如何从零开始学习点云语义分割的教程，之所以说从零是因为我自己就是从零开始接触点云的语义分割任务的，希望这个系列的博客能对想要做点云语义分割的同学有一点点的帮助。
Win10系统下训练RandLA-Net点云语义分割模型
zhaoguanhua的博客
08-18 6749
1、编译cpp模块 1.1、编译下采样模块 cmd中进入cpp_wrappers\ 1.2、编译最近邻搜素模块 2、数据预处理 这一步主要做的是下采样、建立kdtree、生成投影proj文件 运行代码前需要修改两个地方 第一个是修改脚本 第二个是修改脚本 最后是修改数据路径 执行脚本预处理数据 3、训练 4、测试 ...
点云聚类:DBSCAN（Python）
zhaoguanhua的博客
01-25 6334
DBSCAN算法在点云上的使用
open3d可视化多个点云
06-09
要在Open3D中可视化多个点云，可以将每个点云读入并存储为Open3D中的PointCloud对象，然后将它们添加到同一个可视化场景中。以下是一个简单的示例代码： ```python import open3d as o3d # 读入多个点云 pcd1 = o3d.io.read_point_cloud("pointcloud1.pcd") pcd2 = o3d.io.read_point_cloud("pointcloud2.pcd") ... # 创建可视化场景 vis = o3d.visualization.Visualizer() vis.create_window() # 将每个点云添加到场景中 vis.add_geometry(pcd1) vis.add_geometry(pcd2) ... # 显示场景 vis.run() vis.destroy_window() ``` 在这个示例中，我们首先使用`o3d.io.read_point_cloud`函数读入多个点云文件，并将它们存储为PointCloud对象。然后，我们创建一个可视化场景并将每个PointCloud对象添加到场景中。最后，我们使用`vis.run()`函数显示场景，并使用`vis.destroy_window()`函数关闭窗口。 需要注意的是，如果点云之间有重叠部分，它们可能会被覆盖，因此需要调整可视化参数以确保所有点云都可见。例如，可以使用`vis.get_render_option().point_size`调整点的大小，或者使用`vis.get_view_control().rotate(x,y)`函数旋转视角。
评论 2
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

GHZhao_GIS_RS

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