三维点云转换为二维图像

前言

目的:将三维点云转换为二维图像
作用:
a.给点云赋予彩色信息,增强点云所表达物体或对象的辨识度;
b.将三维点云中绘制的目标物体通过映射关系绘制到二维图像中,这个工作在点云标注邻域被广泛使用;
c.可以根据点云中绘制的结果提取二维图像中对应的物体

原理

  1. 确定要投影的平面,将点云投影至该平面,得到二维点坐标;
  2. 求得二维点云所在平面的极值,即x_max,x_min,y_max,y_min;
  3. 根据x_max,x_min,y_max,y_min确定点云范围;
  4. 根据点云范围即想得到图像分辨率的大小求得单个像素代表的实际长度L;
  5. 遍历点云,将点的坐标与极小值点的坐标做差之后除以L,即为该点在图像中的像素坐标
  6. RGB信息填充到对应的像素内;

代码

void pointcloud_to_image(pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud_in, float x_max, float x_min, float y_max, float y_min)
{
	pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZRGB>);
	cloud->points.resize(cloud_in->size());
	for (size_t i = 0; i < cloud->points.size(); i++)   //将三维点云投影到二维,这里为投影到XOY平面
	{
		cloud->points[i].x = cloud_in->points[i].x;
		cloud->points[i].y = cloud_in->points[i].y;
		cloud->points[i].z = 0;
		cloud->points[i].r = cloud_in->points[i].r;
		cloud->points[i].g = cloud_in->points[i].g;
		cloud->points[i].b = cloud_in->points[i].b;
	}
 
	Mat image(480, 640, CV_8UC3);
	for (int j = 0; j < image.rows; j++)
	{
		for (int i = 0; i < image.cols; i++)
		{
			image.at<Vec3b>(j, i)[0] = 0;
			image.at<Vec3b>(j, i)[1] = 0;
			image.at<Vec3b>(j, i)[2] = 0;
		}
	}
 
	float l; //单个像素代表的实际长度
	float a = (x_max - x_min) / 640;   //分辨率,根据实际需要设置,这里采用648*480
	float b = (y_max - y_min) / 480;
	if (a > b)
	{
		l = a;
	}
	else
	{
		l = b;
	}
 
	for (int i = 0; i < cloud->size(); i++)
	{
                                //计算点对应的像素坐标
		int x = (cloud->points[i].x - x_min) / l;
		int y = (cloud->points[i].y - y_min) / l;
 
                                //将颜色信息赋予像素
		if (x > 0 && x < 640 && y>0 && y < 480)
		{
			image.at<Vec3b>(y, x)[0] = cloud->points[i].r;
			image.at<Vec3b>(y, x)[1] = cloud->points[i].g;
			image.at<Vec3b>(y, x)[2] = cloud->points[i].b;
		}
	}
	imshow("image", image);
	waitKey(0);
}

总结与反思

在实际应用中,为使二维图像保留更多的点云信息,除了将颜色信息填充到对应的像素内,也可考虑将点云高度信息、法向量信息填充到图像像素内

实验结果展示

原始带部分噪声的点云数据
在这里插入图片描述
去除噪声,使用法向量信息将点云映射为法向量图像
代码参照上面改改,具体省略
在这里插入图片描述

欢迎交流,如有错误,请指正~

  • 2
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要将Python中的三维点云数据(PLY格式)转换深度图像,可以按照以下步骤进行操作: 1. 导入必要的库:在Python中,可以使用一些库来处理三维点云数据图像处理,如NumPy、open3d和PIL等。使用命令`pip install numpy open3d pillow`来安装这些库。 2. 加载点云数据:使用open3d库中的`read_point_cloud`函数来加载PLY文件中的三维点云数据。 3. 将点云数据转换深度图像:根据点云数据,可以计算出每个像素点的深度值。可以通过遍历点云数据的每个点,使用三维坐标转换二维图像坐标,并将对应像素点的值设置为该点的深度值。 4. 创建深度图像:使用PIL库来创建空白的图像对象,并设置图像大小和模式(如灰度图像)。 5. 填充深度图像:根据转换后的深度值,将每个像素点的值填充到深度图像中。 6. 保存深度图像:使用PIL库中的`save`函数将深度图像保存为指定格式的图像文件(如PNG格式)。 以下是一个简单的示例代码,演示如何将PLY格式的三维点云数据转换深度图像: ```python import numpy as np import open3d as o3d from PIL import Image # Step 1: 加载点云数据 point_cloud = o3d.io.read_point_cloud("input.ply") # Step 2: 将点云数据转换深度图像 depth_image = np.zeros((height, width)) # 二维图像的大小与点云数据的高度和宽度相关 for p in point_cloud.points: x, y, z = p x_pixel = int(x * fx / z + cx) y_pixel = int(y * fy / z + cy) depth_image[y_pixel, x_pixel] = z # Step 3: 创建深度图像 depth_image_pil = Image.fromarray(depth_image.astype(np.uint16)) # Step 4:保存深度图像 depth_image_pil.save("depth_image.png") ``` 需要注意的是,上述代码中的`fx`、`fy`、`cx`和`cy`是相机的内参,需要根据具体的相机参数进行设置。此外,还需要根据点云数据的实际情况,对图像的大小进行适当设置,以保证转换后的深度图像具有正确的尺寸。

“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
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