news 2026/4/6 0:24:39

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 2026/4/3 7:03:50

PyTorch-CUDA镜像中的CUDA工具包版本说明及兼容性分析

PyTorch-CUDA镜像中的CUDA工具包版本说明及兼容性分析 在现代深度学习研发中,一个常见的场景是:研究人员在本地训练好的模型,部署到服务器后却因环境差异导致运行失败。这种“在我机器上能跑”的问题,曾长期困扰着AI团队的协作效率…

作者头像 李华
网站建设 2026/3/30 17:05:24

GitHub热门推荐:PyTorch-CUDA-v2.7镜像助力AI开发者提速50%

PyTorch-CUDA-v2.7 镜像:如何让 AI 开发效率飙升 50%? 在当今 AI 研发一线,你有没有遇到过这样的场景?刚接手一个项目,兴冲冲地准备跑通代码,结果 torch.cuda.is_available() 返回了 False。排查两小时才发…

作者头像 李华
网站建设 2026/4/1 22:23:37

无需繁琐配置!PyTorch-CUDA-v2.7镜像开箱即用GPU训练

无需繁琐配置!PyTorch-CUDA-v2.7镜像开箱即用GPU训练 在深度学习项目中,最让人头疼的往往不是模型设计或调参,而是环境搭建——尤其是当你满心期待地准备开始训练时,却发现 torch.cuda.is_available() 返回了 False。明明装了NVID…

作者头像 李华
网站建设 2026/4/5 5:47:30

DiskInfo温控监测:防止PyTorch训练导致硬盘过热

DiskInfo温控监测:防止PyTorch训练导致硬盘过热 在深度学习模型训练日益常态化的今天,我们往往把注意力集中在GPU利用率、显存瓶颈和训练速度上。然而,在一场持续数天的PyTorch大规模训练任务中,真正让系统突然“罢工”的&#xf…

作者头像 李华
网站建设 2026/4/5 6:46:56

清华镜像源支持IPv6访问:提升PyTorch下载速度

清华镜像源支持IPv6访问:提升PyTorch下载速度 在高校和科研机构的AI开发一线,你是否也经历过这样的场景?凌晨两点,实验室服务器正在拉取一个PyTorch-CUDA镜像,进度条卡在30%已持续十分钟;反复重试后依然失…

作者头像 李华
网站建设 2026/4/4 11:53:42

MobaXterm高效运维:实战技巧全解析

MobaXterm高效运维实战技术文章大纲引言MobaXterm简介:功能特点、适用场景高效运维的需求背景:远程管理、多协议支持、自动化需求MobaXterm核心功能解析一体化终端工具:SSH、RDP、VNC、FTP集成会话管理:多标签、分组、保存与共享文…

作者头像 李华