python处理点云数据_Python读取pcd点云文件

关于Kinect采集点云数据，可以参考https://blog.csdn.net/qq_35565669/article/details/106627639

有两种方法读取pcd文件，使用Python的库open3d读取，或者直接当做txt文件读取，然后python处理数据

目录

open3d读取点云

python直接读取

open3d读取点云

import open3d as o3d

import numpy as np

def read_pcd(file_path):

pcd = o3d.io.read_point_cloud(file_path)

print(np.asarray(pcd.points))

colors = np.asarray(pcd.colors) * 255

points = np.asarray(pcd.points)

print(points.shape, colors.shape)

return np.concatenate([points, colors], axis=-1)

注意读取的点云三维坐标和颜色是分开的，分别是points和colors，而且colors中的RGB数据是归一化的，所以要乘以255.

读取的结果为

[[ 0.49283338 1.870551 3.8150003 106. 112.

128. ]

[ 0.50465167 1.8759862 3.8260002 129. 133.

149. ]

[ 0.51545358 1.8775003 3.8290002 138. 141.

155. ]

[ 0.52380067 1.8701893 3.8140001 142. 144.

155. ]

[ 0.53598863 1.8766096 3.8270001 148. 150.

161. ]

[ 0.5481053 1.8825409 3.8390002 157. 161.

172. ]

[ 0.55548692 1.8722914 3.8180001 156. 160.

170. ]

[ 0.57120341 1.8899956 3.8540001 159. 163.

173. ]

[ 0.57821184 1.8787676 3.8310001 160. 164.

174. ]

[ 0.59047383 1.8847055 3.8430002 161. 165.

175. ]]

python直接读取

因为Kinect的使用是用C++，而当对点云数据进行处理时，使用Python比较方便。pcd文件其实就是一个txt文件，里面存储了点云信息，包括点云的数目，点云的类型（是pointxyz还是pointxyzrgb），还有点云的宽度和高度。

这里使用的点云文件存储的点是pointxyzrgb类型，每个点存储了xyz坐标信息，还有argb信息。可以看到下图里三个浮点数就是xyz坐标了，后面的4294901502是一个32位数，argb每个通道对应了8位。要注意的是，透明度a是在RGB前面的，一般是255，所以可以看到argb的二进制数都很大。

先读取一下点云的大小，然后对每行数据处理，把每行的xyzrgba存进一个列表，最后转为numpy数组就行了。

def load_pcd_data(file_path):

pts = []

f = open(file_path, 'r')

data = f.readlines()

f.close()

line = data[9]

# print line

line = line.strip('\n')

i = line.split(' ')

pts_num = eval(i[-1])

for line in data[11:]:

line = line.strip('\n')

xyzargb = line.split(' ')

x, y, z = [eval(i) for i in xyzargb[:3]]

argb = xyzargb[-1]

# print type(bgra)

argb = bin(eval(argb))[2:]

a, r, g, b = [int(argb[8 * i:8 * i + 8], 2) for i in range(4)]

pts.append([x, y, z, a, r, g, b])

assert len(pts) == pts_num

res = np.zeros((pts_num, len(pts[0])), dtype=np.float)

for i in range(pts_num):

res[i] = pts[i]

# x = np.zeros([np.array(t) for t in pts])

return res

最后读取的效果为

[[ 0.49283338 1.870551 3.8150003 255. 106.

112. 128. ]

[ 0.50465167 1.8759862 3.8260002 255. 129.

133. 149. ]

[ 0.51545358 1.8775003 3.8290002 255. 138.

141. 155. ]

[ 0.52380067 1.8701893 3.8140001 255. 142.

144. 155. ]

[ 0.53598863 1.8766096 3.8270001 255. 148.

150. 161. ]

[ 0.5481053 1.8825409 3.8390002 255. 157.

161. 172. ]

[ 0.55548692 1.8722914 3.8180001 255. 156.

160. 170. ]

[ 0.57120341 1.8899956 3.8540001 255. 159.

163. 173. ]

[ 0.57821184 1.8787676 3.8310001 255. 160.

164. 174. ]

[ 0.59047383 1.8847055 3.8430002 255. 161.

165. 175. ]]

可以看出与第一种方法读取的结果相同，这验证了第二种方法的正确性。