平面点云格网过程及可视化介绍(python)

2024-06-23 13:44

本文主要是介绍平面点云格网过程及可视化介绍(python),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!

1、背景介绍

      实际人工构造物中,很多物体表面为平面结构,因此将点云投影在二维平面上进行处理,如进行点云面积计算、点云边缘提取等。

      具体案例可以参考博客:详解基于格网法统计平面点云面积_点云格网法计算xy投影面积-CSDN博客、点云格网过程可视化(C++ PCL)-CSDN博客、

基于格网拓扑关系的边缘点检测-CSDN博客

       本博客介绍基于python语言介绍平面点云格网化过程,并对格网进行可视化,让点云数据处理过程更加直观明了,最终效果如下图所示:

2、原理介绍

2.1 初始格网化计算

       首先统计点云数据的X、Y坐标值的最大值与最小值,分别为Xmin、Xmax、Ymin、Ymax。根据划分的格网尺寸L,确定最小外包矩形可以划分的行与列:

行数=ceil(Xmax-Xmin)/L

列数=ceil(Ymax-Ymin)/L

      Ceil()为向上取整函数,  根据计算的覆盖点云的行号、列号,可以知道总的格网数量,这样便于在编写程序时,初始化维度。

  ****需要注意的是,为了防止出现越界,以及后续数据处理,需要将Xmin、Xmax、Ymin、Ymax适当的向外扩,如

Xmin=Xmin-L

Xmax=Xmax+L

Ymin=Ymin-L

Ymax=Ymax+L

 2.2 单个点格网计算

       对于每个点P(x,y,z),依据其x、y坐标将该点划入到相应的格网内即可。P点落入的格网编号为:       

行号=ceil((x-Xmin)/L)

列号=ceil((y-Ymin)/L)

       所有点处理完后,每个格网内包含的点数量不一致,有的格网部包含点,有点包含若干点,这个与点云形状有关。

2.3 格网可视化

      每个格网可以看成功一个正方形,因此,格网可视化可以看成将这些格网进行可视化,具体来说,根据格网尺寸L、点云x、y坐标的最小值,即可计算出正方形的四个顶点位置坐标,最终便可实现格网的可视化。

3、代码测试验证

     本程序基于python编写,在pycharm上运行。下载代码链接如,下所包含的测试数据与代码如下图所示:

3.1 所有格网可视化

       所有格网可视化,即将覆盖点云的最小外包矩形,均匀划分成边长为L的若干正方形,效果如下,构建的格网,在原始点云基础上向外外扩了2层,每个格网大小一样,且属于同一格网内点,颜色相同。且点云颜色变化变化位置与格网边重合。同时,修改格网尺寸,可以得到同样效果,只是格网总数量显著变少。

3.2 部分格网可视化

      部分格网可视化,是将包含点云的格网进行可视化,不包含点云的格网不进行可视化,效果如下所示。与上面显著不同的是,只包含点的格网进行了可视化,且属于该格网内的点,颜色一致。同时设置不同的格网尺寸,格网数量与分布,存在一定差异。

4、总结

      介绍了基于python的平面点云格网及其可视化原理与过程。需要说明的是,格网可视化,仅仅是数据预处理步骤,便于数据处理。

这篇关于平面点云格网过程及可视化介绍(python)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/1087323

相关文章

浅析Spring Security认证过程

类图 为了方便理解Spring Security认证流程,特意画了如下的类图,包含相关的核心认证类 概述 核心验证器 AuthenticationManager 该对象提供了认证方法的入口,接收一个Authentiaton对象作为参数; public interface AuthenticationManager {Authentication authenticate(Authenti

性能测试介绍

性能测试是一种测试方法,旨在评估系统、应用程序或组件在现实场景中的性能表现和可靠性。它通常用于衡量系统在不同负载条件下的响应时间、吞吐量、资源利用率、稳定性和可扩展性等关键指标。 为什么要进行性能测试 通过性能测试,可以确定系统是否能够满足预期的性能要求,找出性能瓶颈和潜在的问题,并进行优化和调整。 发现性能瓶颈:性能测试可以帮助发现系统的性能瓶颈,即系统在高负载或高并发情况下可能出现的问题

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

作业提交过程之HDFSMapReduce

作业提交全过程详解 (1)作业提交 第1步:Client调用job.waitForCompletion方法,向整个集群提交MapReduce作业。 第2步:Client向RM申请一个作业id。 第3步:RM给Client返回该job资源的提交路径和作业id。 第4步:Client提交jar包、切片信息和配置文件到指定的资源提交路径。 第5步:Client提交完资源后,向RM申请运行MrAp

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学