将点云Z向数据生成伪彩图、灰度图(最小值和最大值区间映射RGB三通道)

本文主要是介绍将点云Z向数据生成伪彩图、灰度图(最小值和最大值区间映射RGB三通道),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

C# 指针遍历+for循环多线程

public unsafe static HObject PointXYZ_To_GrayColorHobject(ref PointXYZ[] PointCloudData, int ImgWidth, int ImgHeight, float ZMin, float ZMax,out HObject colorImg)
{try{HObject ImgHobject = null;colorImg = null;if (PointCloudData == null) return ImgHobject;//归一化后按 0-1/3  1/3-2/3  2/3-1 进行颜色映射float cut1 = 1.0f / 3.0f;float cut2 = 2.0f / 3.0f;int numPoints = PointCloudData.Length;float RangeZ = ZMax - ZMin;//点云数据范围float coefficient = RangeZ > 0 ? 255 * 1.0f / RangeZ : 0;//灰度系数//byte[] grayArr = new byte[numPoints];IntPtr colorPtr = Marshal.AllocHGlobal(numPoints * 3 * sizeof(byte));//分配伪彩图RGB内存IntPtr grayPtr = Marshal.AllocHGlobal(numPoints * sizeof(byte));//分配灰度图内存int numProcessedPoints = ImgWidth - (ImgWidth % 4); // 可以处理的点的数量(4的倍数)fixed (PointXYZ* pData = PointCloudData){float* pHeight = (float*)pData;byte* colorPtrTemp = (byte*)colorPtr;byte* grayPtrTemp = (byte*)grayPtr;Parallel.For(0, ImgHeight, Row =>{float* PRowIndexPointData = pHeight + Row * ImgWidth * 3;//点云指针byte* pDest = colorPtrTemp + Row * 3 * ImgWidth;//伪彩图图像遍历指针byte* pGrayDest = grayPtrTemp + Row * ImgWidth;//灰度图图像遍历指针for (int Col = 0; Col < numProcessedPoints; Col += 4){float height1 = PRowIndexPointData[2];float height2 = PRowIndexPointData[5];float height3 = PRowIndexPointData[8];float height4 = PRowIndexPointData[11];#region gray灰度映射pGrayDest[0] = (byte)((height1 >= ZMin && height1 <= ZMax) ? (height1 - ZMin) * coefficient : 0);pGrayDest[1] = (byte)((height2 >= ZMin && height2 <= ZMax) ? (height2 - ZMin) * coefficient : 0);pGrayDest[2] = (byte)((height3 >= ZMin && height3 <= ZMax) ? (height3 - ZMin) * coefficient : 0);pGrayDest[3] = (byte)((height4 >= ZMin && height4 <= ZMax) ? (height4 - ZMin) * coefficient : 0);#endregion#region color颜色映射//height1  normalval1if (height1 >= ZMin && height1 <= ZMax){float normalVal1 = (height1 - ZMin) / RangeZ;if (normalVal1 <= cut1){pDest[0] = 0;pDest[1] = (byte)(3 * normalVal1 * 255);pDest[2] = 255;}else if (normalVal1 > cut1 && normalVal1 <= cut2){pDest[0] = (byte)((3 * normalVal1 - 1) * 255);pDest[1] = 255;pDest[2] = (byte)((-3 * normalVal1 + 2) * 255);}else if (normalVal1 > cut2){pDest[0] = 255;pDest[1] = (byte)((-3 * normalVal1 + 3) * 255);pDest[2] = 0;}}else{pDest[0] = 0;pDest[1] = 0;pDest[2] = 0;}//height2  normalval2if (height2 >= ZMin && height2 <= ZMax){float normalVal2 = (height2 - ZMin) / RangeZ;if (normalVal2 <= cut1){pDest[3] = 0;pDest[4] = (byte)(3 * normalVal2 * 255);pDest[5] = 255;}else if (normalVal2 > cut1 && normalVal2 <= cut2){pDest[3] = (byte)((3 * normalVal2 - 1) * 255);pDest[4] = 255;pDest[5] = (byte)((-3 * normalVal2 + 2) * 255);}else if (normalVal2 > cut2){pDest[3] = 255;pDest[4] = (byte)((-3 * normalVal2 + 3) * 255);pDest[5] = 0;}}else{pDest[3] = 0;pDest[4] = 0;pDest[5] = 0;}//height3  normalval3if (height3 >= ZMin && height3 <= ZMax){float normalVal3 = (height3 - ZMin) / RangeZ;if (normalVal3 <= cut1){pDest[6] = 0;pDest[7] = (byte)(3 * normalVal3 * 255);pDest[8] = 255;}else if (normalVal3 > cut1 && normalVal3 <= cut2){pDest[6] = (byte)((3 * normalVal3 - 1) * 255);pDest[7] = 255;pDest[8] = (byte)((-3 * normalVal3 + 2) * 255);}else if (normalVal3 > cut2){pDest[6] = 255;pDest[7] = (byte)((-3 * normalVal3 + 3) * 255);pDest[8] = 0;}}else{pDest[6] = 0;pDest[7] = 0;pDest[8] = 0;}//height4  normalval4if (height4 >= ZMin && height4 <= ZMax){float normalVal4 = (height4 - ZMin) / RangeZ;if (normalVal4 <= cut1){pDest[9] = 0;pDest[10] = (byte)(3 * normalVal4 * 255);pDest[11] = 255;}else if (normalVal4 > cut1 && normalVal4 <= cut2){pDest[9] = (byte)((3 * normalVal4 - 1) * 255);pDest[10] = 255;pDest[11] = (byte)((-3 * normalVal4 + 2) * 255);}else if (normalVal4 > cut2){pDest[9] = 255;pDest[10] = (byte)((-3 * normalVal4 + 3) * 255);pDest[11] = 0;}}else{pDest[9] = 0;pDest[10] = 0;pDest[11] = 0;}#endregionpGrayDest += 4;pDest += 12;PRowIndexPointData += 12;}for (int Col = numProcessedPoints; Col < ImgWidth; Col++){float height1 = PRowIndexPointData[2];#region gray灰度映射pGrayDest[0] = (byte)((height1 >= ZMin && height1 <= ZMax) ? (height1 - ZMin) * coefficient : 0);#endregion#region color颜色映射//height1  normalval1if (height1 >= ZMin && height1 <= ZMax){float normalVal1 = (height1 - ZMin) / RangeZ;if (normalVal1 <= cut1){pDest[0] = 0;pDest[1] = (byte)(3 * normalVal1 * 255);pDest[2] = 255;}else if (normalVal1 > cut1 && normalVal1 <= cut2){pDest[0] = (byte)((3 * normalVal1 - 1) * 255);pDest[1] = 255;pDest[2] = (byte)((-3 * normalVal1 + 2) * 255);}else if (normalVal1 > cut2){pDest[0] = 255;pDest[1] = (byte)((-3 * normalVal1 + 3) * 255);pDest[2] = 0;}}else{pDest[0] = 0;pDest[1] = 0;pDest[2] = 0;}#endregionpGrayDest++;pDest += 3;PRowIndexPointData += 3;}});}HOperatorSet.GenImage1(out ImgHobject, "byte", ImgWidth, ImgHeight, grayPtr);HOperatorSet.GenImageInterleaved(out colorImg, colorPtr, "rgb", ImgWidth, ImgHeight, -1, "byte", ImgWidth, ImgHeight, 0, 0, -1, 0);Marshal.FreeHGlobal(colorPtr);Marshal.FreeHGlobal(grayPtr);return ImgHobject;}catch{colorImg = null;return null;}
}

 

 

这篇关于将点云Z向数据生成伪彩图、灰度图(最小值和最大值区间映射RGB三通道)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1035211

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

AI一键生成 PPT

AI一键生成 PPT 操作步骤 作为一名打工人,是不是经常需要制作各种PPT来分享我的生活和想法。但是,你们知道,有时候灵感来了,时间却不够用了!😩直到我发现了Kimi AI——一个能够自动生成PPT的神奇助手!🌟 什么是Kimi? 一款月之暗面科技有限公司开发的AI办公工具,帮助用户快速生成高质量的演示文稿。 无论你是职场人士、学生还是教师,Kimi都能够为你的办公文

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

poj 1258 Agri-Net(最小生成树模板代码)

感觉用这题来当模板更适合。 题意就是给你邻接矩阵求最小生成树啦。~ prim代码:效率很高。172k...0ms。 #include<stdio.h>#include<algorithm>using namespace std;const int MaxN = 101;const int INF = 0x3f3f3f3f;int g[MaxN][MaxN];int n