Python 点云las生成深度图

自动驾驶探索站

已于 2024-05-27 23:41:01 修改

阅读量820

点赞数 18

分类专栏： Python 点云处理基础教程 Python 点云高级算法操作教程文章标签： python 深度图

于 2023-11-26 18:29:35 首次发布

本文链接：https://blog.csdn.net/weixin_43896283/article/details/134612684

版权

Python 点云处理基础教程同时被 2 个专栏收录

37 篇文章 74 订阅 ¥19.90 ¥99.00

订阅专栏

Python 点云高级算法操作教程

11 篇文章 4 订阅 ¥39.90 ¥99.00

订阅专栏

本文介绍了使用Python将点云数据（las格式）转换为深度图的方法，并提供了详细的代码实现和示例，帮助理解点云到深度图的转换过程。

摘要由CSDN通过智能技术生成

一、代码实现

import laspy
import cv2
import numpy as np
import matplotlib.pyplot as plt

# 相机内参
CAM_WID, CAM_HGT = 475, 475  # 深度图尺寸
CAM_FX, CAM_FY =

了解本专栏

订阅专栏解锁全文

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

自动驾驶探索站

关注关注

18
点赞
踩
7

收藏

觉得还不错? 一键收藏
打赏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

订阅专栏

PCL 点云生成深度图

weixin_43896283的博客

05-02

398

点云深度图：是一种二维图像，用于表示三维点云中每个点的深度信息。它将每个点的深度值映射到一个像素上，深度值表示点到相机或参考平面的距离。深度图可以用来估计场景的几何结构，包括物体的距离、形状和大小等信息。

3d点云的显示和转换成深度图

07-03

简单的3d点云显示以及生成深度图，C++代码，用的pcl

参与评论您还未登录，请先登录后发表或查看评论

点云转深度图：转化，保存，可视化

jacke121的专栏

06-21

3938

点云转深度图：转换，保存，可视化

深度图-＞点云图-＞深度图

热门推荐

点云侠的博客

01-29

39万+

python点云处理算法整理。博客长期更新，最近一次更新时间为：2024年7月15日。

点云生成多视角深度图

10-30

需要配置PCL点云库、以及opencv函数库，记得启用openMP语言支持

从pcd点云文件中计算深度图

09-12

c++程序，需要cmake opencv pcl库，功能为从pcd点云文件中计算深度图

main - 副本_resolution_pcl点云转深度图像_

10-02

可以实现将pcd点云数据转换程深度图像，通过设定”angular Resolution”的值设定分辨率（相邻像素之间的角度差）；通过设定”max Angle width”的值设定深度图像的水平角度范围；通过设定”max Angle Height”的值设定深度图像的水平角度范围。

Python-pyntcloud是一个用于处理3D点云的Python库

08-10

pyntcloud is a Python library for working with 3D point clouds.

基于Python深度图生成3D点云

`or 1 or 不正经の泡泡

08-02

1万+

废话不多说，直接开造。这里的话我们有两个目标，第一个是如何把一个2维图片上的点映射到3维空间。第二就是如何生成3D点云。当然实际上这是一个大问题，因为只要解决了第一个问题，第二个问题就是“送分”这里的话其实还是从一张深度图到3d点云，实际上有时候我们可能只需一组坐标然后还原，那么这部分的话，要实现的话也不难，不过要重新做一点转换，公式还是那个公式。...

【点云处理教程】05-Python 中的点云分割

gongdiwudu的专栏

07-30

4985

这是我的“点云处理”教程的第 5 篇文章。“点云处理”教程对初学者友好，我们将在其中简单地介绍从数据准备到数据分割和分类的点云处理管道。在上一教程中，我们看到了如何过滤点云以减少噪声或其密度。在本教程中，我们将应用一些聚类算法进行点云分割，即：K-means和DBSCAN。

【Lidar】Python实现点云CSF布料滤波算法&提取地面点

Remote Sensing迷途小书童

12-08

2500

这两天会持续更新一下Python处理点云数据的教程，大家可以点个关注。今天给大家分享一下点云的经典算法：CSF布料模拟算法。

PCL深度图像(2)

weixin_33759269的博客

02-28

1050

（1）点云到深度图与可视化的实现区分点云与深度图本质的区别 1.深度图像也叫距离影像，是指将从图像采集器到场景中各点的距离（深度）值作为像素值的图像。获取方法有：激光雷达深度成像法、计算机立体视觉成像、坐标测量机法、莫尔条纹法、结构光法。 2.点云：当一束激光照射到物体表面时，所反射的激光会携带方位、距离等信息。若将激光束按照某种轨迹进行扫描，便会边扫描边记录到反射的激光点信息，由于扫描极为精...

PCL——从一个(随机)点云创建一个深度图像

emm@amiao的博客

09-07

971

从一个(随机)点云创建一个深度图像从点云和给定的传感器位置来创建深度图像。首先是生成一个矩形点云，然后基于该点云创建深度图像。代码实现： #include <pcl/range_image/range_image.h>//深度图像头文件 int main (int argc, char** argv) { pcl::PointCloud<pcl::PointXYZ>...

激光点云数据生成深度图

11-23

根据提供的引用内容，可以得知将激光点云数据生成深度图的方法是将3D点云数据投影到与以视点为中心的不同视角相对应的平面上。具体步骤如下： 1.选择一个视点作为中心点。 2.将点云数据投影到以该视点为中心的平面上，得到二维图像。 3.将二维图像转化为深度图，可以通过计算每个像素点到视点的距离来实现。下面是一个Python的例子，使用Open3D库将激光点云数据生成深度图： ```python import open3d as o3d # 读取点云数据 pcd = o3d.io.read_point_cloud("point_cloud.pcd") # 选择一个视点作为中心点 vis = o3d.visualization.Visualizer() vis.create_window() vis.add_geometry(pcd) ctr = vis.get_view_control() ctr.set_lookat([0, 0, 0]) # 设置视点为原点 ctr.set_front([0, 0, -1]) # 设置视线方向 ctr.set_up([0, -1, 0]) # 设置视线朝上的方向 vis.run() vis.destroy_window() # 将点云数据投影到以该视点为中心的平面上，得到二维图像 camera = ctr.convert_to_pinhole_camera_parameters() depth = o3d.geometry.Image.create_from_color_and_depth( vis.capture_screen_float_buffer(False), # 获取屏幕截图 o3d.geometry.read_image("background.png").depth) # 读取背景深度图 rgbd = o3d.geometry.RGBDImage.create_from_color_and_depth( vis.capture_screen_float_buffer(False), # 获取屏幕截图 depth, # 背景深度图 depth_scale=1000.0, # 深度图缩放因子 depth_trunc=1000.0, # 深度截断值 convert_rgb_to_intensity=False) # 不将RGB转化为强度值 intrinsics = o3d.camera.PinholeCameraIntrinsic( width=depth.width, height=depth.height, fx=camera.intrinsic.intrinsic_matrix[0, 0], fy=camera.intrinsic.intrinsic_matrix[1, 1], cx=camera.intrinsic.intrinsic_matrix[0, 2], cy=camera.intrinsic.intrinsic_matrix[1, 2]) pcd2 = o3d.geometry.PointCloud.create_from_rgbd_image( rgbd, intrinsics) # 生成点云数据 o3d.io.write_point_cloud("point_cloud2.pcd", pcd2) # 保存点云数据 # 将二维图像转化为深度图 depth2 = o3d.geometry.Image.create_from_color_and_depth( vis.capture_screen_float_buffer(False), # 获取屏幕截图 o3d.geometry.read_image("background.png").depth) # 读取背景深度图 depth2.save_image("depth.png") # 保存深度图 ```