news 2026/5/1 11:42:40

第三课:Open3D点云数据处理:点云格式转换

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
第三课:Open3D点云数据处理:点云格式转换

1 Open3D点云格式介绍

1.1 xyz

1.2 xyzn

1.3 xyzrgb

1.4 pts

1.5 ply

1.6 pcd

2 点云格式转换

2.1 读取点云数据

​编辑

2.2 pcd转ply

2.3 pcd转xyz

2.4 pcd转xyzrgb

2.5 pcd转pts


1 Open3D点云格式介绍

1.1 xyz

每一行包含 [x y z] ,其中的x, y, z 是三维坐标,坐标之间以空格分隔。

1.2 xyzn

每一行包含[x, y, z, nx, ny, nz], 其中的nx,ny,nz是法向量

1.3 xyzrgb

每一行包含[x, y, z, r, g, b], 其中的r,g,b是范围在[0, 1]的float类型

1.4 pts

第一行为整数,表示点云中的点数。之后每行为点坐标及其属性,可以是[x, y, z, i, r, g, b][x, y, z, r, g, b][x, y, z, i]或者[x, y, z]格式,i代表反射强度intensity, 其中xyzi为doublel类型,rgbuint8类型 |

比较有特点的是,pts格式的点云,行与行之间以空白行分隔。

下面以[x, y, z, i, r, g, b]类型为例展示

1.5 ply

ply文件能够同时包含点云和网格数据,有binary和ASCII码两种编码类型。更多内容请查看 Polygon File Format,

二进制binary格式

ASCII码格式

1.6 pcd

pcd格式是PCL指定的点云格式,更多内容请查看 Point Cloud Data

同样的,pcd也有binary和ASCII码两种编码。

binary编码

ASCII编码

2 点云格式转换

open3d进行点云格式转换,不涉及数据格式 ,直接保存为想要的类型即可。下面以pcd点云转换为其他格式的点云为例,进行示范。

2.1 读取点云数据

import open3d as o3d import numpy as np print("->正在加载点云... ") pcd = o3d.io.read_point_cloud(r"H:\HTempWK\temp\open3d\pointdata\Armadillo\Armadillo.pcd") print(pcd) print("->正在可视化点云") o3d.visualization.draw_geometries([pcd])

2.2 pcd转ply

import open3d as o3d print("->加载pcd点云...") pcd = o3d.io.read_point_cloud(r"H:\HTempWK\temp\open3d\pointdata\bunny.pcd") print(pcd) print("->正在可视化点云") o3d.visualization.draw_geometries([pcd]) print("\n->保存为binary类型的ply点云...") o3d.io.write_point_cloud("H:/HTempWK/temp/open3d/data/savebunnyBinary.ply", pcd) # 读取保存得二进制点云数据进行展示 pcd_from_file = o3d.io.read_point_cloud("H:/HTempWK/temp/open3d/data/savebunnyBinary.ply") print("->正在可视化保存的点云...") o3d.visualization.draw_geometries([pcd_from_file]) print("\n->保存为ASCII码类型的ply点云...") o3d.io.write_point_cloud("H:/HTempWK/temp/open3d/data/savebunnyASCII.ply", pcd, write_ascii = True) # 读取保存得ASCII码点云数据进行展示 pcd_from_file = o3d.io.read_point_cloud("H:/HTempWK/temp/open3d/data/savebunnyASCII.ply") print("->正在可视化保存的点云...") o3d.visualization.draw_geometries([pcd_from_file])

2.3 pcd转xyz

import open3d as o3d print("->加载pcd点云...") pcd = o3d.io.read_point_cloud(r"H:\HTempWK\temp\open3d\pointdata\bunny.pcd") # 显示点云 o3d.visualization.draw_geometries([pcd]) print("\n->保存xyz点云...") o3d.io.write_point_cloud(r"H:\HTempWK\temp\open3d\pointdata\bunny.xyz", pcd) print("->保存xyz点云完成") # 读取点云进行展示 pcd_from_file = o3d.io.read_point_cloud(r"H:\HTempWK\temp\open3d\pointdata\bunny.xyz") o3d.visualization.draw_geometries([pcd_from_file])

2.4 pcd转xyzrgb

import open3d as o3d import numpy as np pcd_path = r"H:\HTempWK\temp\open3d\pointdata\bunny.pcd" xyzrgb_path = r"H:\HTempWK\temp\open3d\pointdata\bunny.xyzrgb" pcd = o3d.io.read_point_cloud(pcd_path) points = np.asarray(pcd.points) z = points[:, 2] # 归一化到 0~1 z_norm = (z - z.min()) / (z.max() - z.min()) # 蓝 → 红 渐变 colors = np.zeros((len(points), 3)) colors[:, 0] = z_norm # R colors[:, 2] = 1 - z_norm # B pcd.colors = o3d.utility.Vector3dVector(colors) o3d.io.write_point_cloud(xyzrgb_path, pcd, write_ascii=True) pcd_from_file = o3d.io.read_point_cloud(xyzrgb_path) o3d.visualization.draw_geometries([pcd_from_file])

2.5 pcd转pts

import open3d as o3d print("->加载pcd点云...") pcd = o3d.io.read_point_cloud(r"H:\HTempWK\temp\open3d\pointdata\bunny.pcd") print(pcd) print("->正在可视化点云") o3d.visualization.draw_geometries([pcd]) print("\n->保存pts点云...") o3d.io.write_point_cloud(r"H:\HTempWK\temp\open3d\pointdata\bunny.pts", pcd) # 读取pts数据进行展示 pcd_from_file = o3d.io.read_point_cloud(r"H:\HTempWK\temp\open3d\pointdata\bunny.pts") o3d.visualization.draw_geometries([pcd_from_file])
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/5/1 7:33:53

PyTorch-CUDA-v2.7镜像社区反馈汇总:用户真实评价分析

PyTorch-CUDA-v2.7镜像社区反馈汇总:用户真实评价分析 在深度学习项目频繁迭代的今天,一个常见的场景是:刚拿到新任务的研究员打开电脑,准备复现一篇论文模型,却卡在环境配置上——“torch 安装成功了但 CUDA is not …

作者头像 李华
网站建设 2026/5/1 7:30:42

如何定制自己的PyTorch-CUDA镜像?基于v2.7二次开发指南

如何定制自己的PyTorch-CUDA镜像?基于v2.7二次开发指南 在现代AI研发中,一个常见的痛点是:明明代码写好了,模型结构也没问题,可一运行就报错——“CUDA not available”、“Found no NVIDIA driver”,或是…

作者头像 李华
网站建设 2026/5/1 7:58:10

CNN模型迁移学习示例:在PyTorch-CUDA-v2.7镜像中快速实现

CNN模型迁移学习实战:基于PyTorch-CUDA-v2.7镜像的高效实现 在图像识别项目中,你是否曾为环境配置耗费一整天却仍无法跑通第一个训练脚本?是否在学生机房里眼睁睁看着同学们因为CUDA版本不兼容而放弃实验?这并非个别现象——据202…

作者头像 李华
网站建设 2026/5/1 7:58:07

旧版PyTorch升级指南:迁移到v2.7镜像的注意事项

从旧版PyTorch迁移到v2.7镜像的实践指南 在深度学习项目中,环境配置往往比模型调优更令人头疼。你是否也经历过这样的场景:本地训练一切正常,换到服务器上却报错“CUDA not available”?或是团队成员因 PyTorch、CUDA 或 cuDNN 版…

作者头像 李华
网站建设 2026/5/1 9:14:17

使用SSH连接远程PyTorch容器进行长时间模型训练

使用SSH连接远程PyTorch容器进行长时间模型训练 在深度学习项目中,一个常见的场景是:你写好了模型代码,准备开始训练,却发现本地笔记本的GPU内存不够,训练跑不到一半就崩溃了;或者你在公司服务器上启动了训…

作者头像 李华
网站建设 2026/5/1 7:58:14

PyTorch官网安装慢如蜗牛?国内镜像源加速解决方案

PyTorch官网安装慢如蜗牛?国内镜像源加速解决方案 在人工智能项目开发中,最让人抓狂的时刻之一,可能不是模型训练不收敛,也不是梯度爆炸——而是当你兴致勃勃准备开始写代码时,却发现 pip install torch 卡在 5% 已经半…

作者头像 李华