禁止转载

好博客汇总

Python点云数据处理(六)Open3d补充：点云基本处理 - 知乎 https://zhuanlan.zhihu.com/p/353971365?utm_id=0
open3d绘制点云1–单帧点云 - 知乎 https://zhuanlan.zhihu.com/p/591249741
(168条消息) open3D 的使用，pcd可视化，3D bbox可视化，web_visualizer使用等。_CV矿工的博客-CSDN博客 https://blog.csdn.net/ZauberC/article/details/127260203
open3d.geometry.AxisAlignedBoundingBox — Open3D 0.17.0 documentation http://www.open3d.org/docs/release/python_api/open3d.geometry.AxisAlignedBoundingBox.html
Open3D 可视化(1)——简单可视化_o3d.visualization.draw_geometries_Dove_1234的博客-CSDN博客 https://blog.csdn.net/baidu_39332177/article/details/127792817
爆肝5万字❤️Open3D 点云数据处理基础（Python版） - 小智博客 http://imyhq.com/design/312.html#23__191

点云语义分割可视化

测试文件Area_5_office_10.npy下载

用open3D可以弹出一个窗口，支持鼠标旋转和放缩，很方便

方案1：npy文件包含位置和颜色

#不显示天花板和天花板上的灯
#coding=utf-8
import open3d as o3d
import numpy as npnp.set_printoptions(suppress=True) # 取消默认科学计数法，open3d无法读取科学计数法表示
data = np.load("C:/Users/mi/Desktop/trash/Area_5_office_10.npy")# point_num, x、y、z、r、g、b、labeldata = data[data[:,6]!=0] # 0 cell：去除天花板
data = data[data[:,6]!=12] # 12 ：去除天花板上的灯b = np.array([1 , 1, 1,255, 255, 255]) # 每一列要除的数
np.savetxt('scene.txt', data[:,:6]/b)
# 读取点云并可视化
pcd =o3d.io.read_point_cloud("scene.txt", format='xyzrgb') # 原npy文件中的数据正好是按x y z r g b进行排列
# print(pcd)
o3d.visualization.draw_geometries([pcd], width=1200, height=600)

或者

import open3d as o3d
import numpy as np
from copy import deepcopy
import timeif __name__ == '__main__':i = 53dis = 0points = np.load('F:/temp_save/npy/pc_' + str(i) + '_.npy')gt = np.load('F:/temp_save/npy/gt_l_' + str(i) + '_.npy').reshape(-1, 1)pre_point_1 = np.load('F:/temp_save/npy/point_LGMask_pre_l_' + str(i) + '_.npy').reshape(-1, 1)pre_point_2 = np.load('F:/temp_save/npy/point_2_pre_l_' + str(i) + '_.npy').reshape(-1, 1)points = np.concatenate([points, gt, pre_point_1, pre_point_2], axis=-1)# concatenate((a, b, c), axis=0)points = points[points[:, 6] != 0]  # 不要天花板类points = points[points[:, 2] < 2.5]  # 尽量排掉 日光灯gt = points[:, 6]pre_point_1 = points[:, 7]pre_point_2 = points[:, 8]# 随机生成13个类别的颜色# colors_0 = np.random.randint(255, size=(13, 3)) / 255.colors_0 = [[0, 255, 0],[19, 0, 255],[0, 255, 255],[255, 255, 0],[255, 0, 255],[100, 100, 255],[200, 200, 100],[170, 121, 200],[255, 0, 0],[200, 100, 100],[10, 200, 100],[200, 200, 200],[50, 50, 50]]colors_0 = np.array(colors_0) / 255pcd = o3d.geometry.PointCloud()pcd.points = o3d.utility.Vector3dVector(points[:, :3])# 显示现实颜色pcd.colors = o3d.utility.Vector3dVector(points[:, 3:6] / 255)# gtpcd1 = deepcopy(pcd)pcd1.translate((0, dis, 0))  # 整体进行y轴方向平移5# 为各个预测标签指定颜色colors = colors_0[gt.astype(np.uint8)]pcd1.colors = o3d.utility.Vector3dVector(colors[:, :3])#  pre  point_1颜色pcd2 = deepcopy(pcd1)pcd2.translate((0, dis, 0))  # 整体进行y轴方向平移5# 为各个预测标签指定颜色colors = colors_0[pre_point_1.astype(np.uint8)]pcd2.colors = o3d.utility.Vector3dVector(colors[:, :3])#  pre point_2颜色pcd3 = deepcopy(pcd2)pcd3.translate((0, dis, 0))  # 整体进行y轴方向平移5# 为各个预测标签指定颜色colors = colors_0[pre_point_2.astype(np.uint8)]pcd3.colors = o3d.utility.Vector3dVector(colors[:, :3])# 点云显示# o3d.visualization.draw_geometries([pcd, pcd1, pcd2, pcd3], window_name="PointNet++语义分割结果",#                                   point_show_normal=False,#                                   width=800,  # 窗口宽度#                                   height=600)vis = o3d.visualization.Visualizer()vis.create_window()opt = vis.get_render_option()opt.point_size =5opt.background_color = np.asarray([1, 1, 1])# vis.add_geometry(pcd)# vis.add_geometry(pcd1)# vis.add_geometry(pcd2)vis.add_geometry(pcd3)vis.update_geometry(pcd)vis.run()vis.destroy_window()

参考的博客

方案2：npy 文件位置跟颜色分离

点跟颜色分离处理
点由原始的输入提供
颜色可自定义为，现实颜色、gt label颜色、pre label 颜色

import open3d as o3d
import numpy as np
from copy import deepcopyif __name__ == '__main__':# point_num, x、y、z、r、g、b、labelpoints = np.load('C:/Users/mi/Desktop/trash/Area_5_office_10.npy') data = data[data[:,6]!=0] # 0 cell：去除天花板data = data[data[:,6]!=12] # 12 ：去除天花板上的灯preds = points[:,-1]print(preds.shape, points.shape)print(set(preds))# 随机生成13个类别的颜色colors_0 = np.random.randint(255, size=(13, 3)) / 255.# 获取场景的点pcd = o3d.geometry.PointCloud()pcd.points = o3d.utility.Vector3dVector(points[:, :3])# 为各个真实标签指定颜色colors = colors_0[points[:, -1].astype(np.uint8)]pcd.colors = o3d.utility.Vector3dVector(colors[:, :3])# 显示现实颜色pcd1 = deepcopy(pcd)pcd1.translate((0, 5, 0))  # 整体进行y轴方向平移5pcd1.colors = o3d.utility.Vector3dVector(points[:,3:6]/255)# 点云显示o3d.visualization.draw_geometries([pcd, pcd1], window_name="xxx语义分割结果",point_show_normal=False,width=800,  # 窗口宽度height=600)

参考的博客

方案3：同时显示现实颜色、gt、pre label

文件下载

import open3d as o3d
import numpy as np
from copy import deepcopyif __name__ == '__main__':# pc_num, 6.  #6: xyzrgbpoints = np.load('C:/Users/mi/Desktop/trash/pc.npy')# pc_numgt = np.load('C:/Users/mi/Desktop/trash/gt_l.npy')# pc_num, 1gt = gt.reshape(-1,1)# pc_numpre = np.load('C:/Users/mi/Desktop/trash/pre_l.npy')# pc_num, 1pre = pre.reshape(-1,1)points = np.concatenate([points, gt, pre], axis=-1)# concatenate((a, b, c), axis=0)points = points[points[:, 6] != 0]points = points[points[:, 6] != 12]gt = points[:,6]pre = points[:,7]# 随机生成13个类别的颜色colors_0 = np.random.randint(255, size=(13, 3)) / 255.pcd = o3d.geometry.PointCloud()pcd.points = o3d.utility.Vector3dVector(points[:, :3])# 为各个真实标签指定颜色colors = colors_0[gt.astype(np.uint8)]pcd.colors = o3d.utility.Vector3dVector(colors[:, :3])# 显示现实颜色pcd1 = deepcopy(pcd)pcd1.translate((0, 9, 0))  # 整体进行y轴方向平移5# 为各个预测标签指定颜色# colors = colors_0[preds.astype(np.uint8)]pcd1.colors = o3d.utility.Vector3dVector(points[:,3:6]/255)#  pre 颜色pcd2 = deepcopy(pcd1)pcd2.translate((0, 9, 0))  # 整体进行y轴方向平移5# 为各个预测标签指定颜色colors = colors_0[pre.astype(np.uint8)]pcd2.colors = o3d.utility.Vector3dVector(colors[:, :3])# 点云显示o3d.visualization.draw_geometries([pcd, pcd1, pcd2], window_name="PointNet++语义分割结果",point_show_normal=False,width=800,  # 窗口宽度height=600)

用open3D 可视化点云的方向统一

有时候需要将real、gt 和 pred 的图都展示，但视角要统一。
先在一个图上（比如 gt ）确定展示的视角（鼠标控制）
ctr+c
在新的图（比如real），打开后只需 ctr+v，即可旋转到跟gt一样的视角

参考的博客

区域放大

放大图片区域，在比较语义分割实验效果上有用

import cv2 as cv
import sys
import numpy as npdef big_part_in_img_2(img, need_big_part_pos, big_show_pos, need_big_part_half_l, line_type=1):time = 4   # 放大倍数line_big = 5  # 连线的宽度line_color = (0, 0, 0) # 连线的颜色rectangle_line_big = 7  # 矩形框的宽度rectangle_color =(0,0,255) # 矩形框的颜色big_half_l = need_big_part_half_l * time# 需要被放大的区域part = img[(need_big_part_pos[0] - need_big_part_half_l):(need_big_part_pos[0] + need_big_part_half_l),(need_big_part_pos[1] - need_big_part_half_l):(need_big_part_pos[1] + need_big_part_half_l)]# 双线性插值法mask = cv.resize(part, (big_half_l * 2, big_half_l * 2), fx=0, fy=0, interpolation=cv.INTER_LINEAR)if img is None is None:print('Failed to read picture')sys.exit()# 放大后局部图的位置img[210:410,670:870# aa = img[(big_show_pos[0] - big_half_l):(big_show_pos[0] + big_half_l),#      (big_show_pos[0] - big_half_l):(big_show_pos[0] + big_half_l)]img[(big_show_pos[0] - big_half_l):(big_show_pos[0] + big_half_l),(big_show_pos[1] - big_half_l):(big_show_pos[1] + big_half_l)] = mask# 画框并连线cv.rectangle(img, ((need_big_part_pos[1] - need_big_part_half_l), (need_big_part_pos[0] - need_big_part_half_l)),((need_big_part_pos[1] + need_big_part_half_l), (need_big_part_pos[0] + need_big_part_half_l)),rectangle_color, rectangle_line_big)cv.rectangle(img, ((big_show_pos[1] - big_half_l), (big_show_pos[0] - big_half_l)),((big_show_pos[1] + big_half_l), (big_show_pos[0] + big_half_l)), rectangle_color, rectangle_line_big)if line_type == 1:img = cv.line(img, (big_show_pos[1] - big_half_l, big_show_pos[0] + big_half_l),(need_big_part_pos[1] - need_big_part_half_l, need_big_part_pos[0] - need_big_part_half_l),line_color,line_big, cv.LINE_AA)img = cv.line(img, (big_show_pos[1] + big_half_l, big_show_pos[0] + big_half_l),(need_big_part_pos[1] + need_big_part_half_l, need_big_part_pos[0] - need_big_part_half_l),line_color,line_big, cv.LINE_AA)elif line_type == 2:img = cv.line(img, (big_show_pos[1] - big_half_l, big_show_pos[0] - big_half_l),(need_big_part_pos[1] + need_big_part_half_l, need_big_part_pos[0] - need_big_part_half_l),line_color,line_big, cv.LINE_AA)img = cv.line(img, (big_show_pos[1] - big_half_l, big_show_pos[0] + big_half_l),(need_big_part_pos[1] + need_big_part_half_l, need_big_part_pos[0] + need_big_part_half_l),line_color,line_big, cv.LINE_AA)elif line_type == 3:img = cv.line(img, (big_show_pos[1] - big_half_l, big_show_pos[0] - big_half_l),(need_big_part_pos[1] - need_big_part_half_l, need_big_part_pos[0] + need_big_part_half_l),line_color,line_big, cv.LINE_AA)img = cv.line(img, (big_show_pos[1] + big_half_l, big_show_pos[0] - big_half_l),(need_big_part_pos[1] + need_big_part_half_l, need_big_part_pos[0] + need_big_part_half_l),line_color,line_big, cv.LINE_AA)elif line_type == 4:img = cv.line(img, (big_show_pos[1] + big_half_l, big_show_pos[0] - big_half_l),(need_big_part_pos[1] - need_big_part_half_l, need_big_part_pos[0] - need_big_part_half_l),line_color,line_big, cv.LINE_AA)img = cv.line(img, (big_show_pos[1] + big_half_l, big_show_pos[0] + big_half_l),(need_big_part_pos[1] - need_big_part_half_l, need_big_part_pos[0] + need_big_part_half_l),line_color,line_big, cv.LINE_AA)return imgif __name__ == '__main__':name = 'real'img = cv.imread('C:/Users/mi/Desktop/trash/vis/'+name+'.png')img = img[20:-25, 20:-25,:]  # 去除图片边缘不要的信息# cv.imwrite('test.jpg', img)# 将图换到更大的背景下arr = np.ones((1500, 2500, 3))*255arr[0+300:img.shape[0]+300, 0+300:img.shape[1]+300,:] = imgcv.imwrite('test_2.jpg', arr)img = cv.imread('test_2.jpg')# exit()# need_big_part_pos = [200, 1000]， 200表示在图的上下滑动位置； 1000表示在图的左右滑动位置# # need_big_part_pos 是需要放大的区域中心位置# big_show_pos是放大后的区域显示的位置## line_type = 3.其中：# 1:big_show_pos 在need_big_part_pos上边# 2: big_show_pos 在need_big_part_pos 右边# 3: big_show_pos 在need_big_part_pos 下边# 4: big_show_pos 在need_big_part_pos 左边img = big_part_in_img_2(img,need_big_part_half_l=60,  need_big_part_pos = [480, 1100],big_show_pos = [350, 1750], line_type=2)img = big_part_in_img_2(img,need_big_part_half_l=60,  need_big_part_pos = [550, 930],big_show_pos = [1100, 600], line_type=3)# 展示结果# cv.imwrite(name+'_ed.png', img)# exit()h, w = img.shape[:2]if w > 800:img = cv.resize(img, (800, int(h * 800 / w)))cv.imshow('img', img)cv.waitKey(0)cv.destroyAllWindows()

参考博客

目标检测可视化

每个检测的Box,可由

box_center: box中心的位置，xyz
box_size:每个Box 长宽高的一半， lwh
Box_angle：默认box 绕z轴旋转，r

文件下载

import open3d as o3d
import numpy as np
from copy import deepcopyi =9# pc_num, xyz
points = np.load('C:/Users/mi/Desktop/trash/box/npy/gt_pc_'+str(i)+'_.npy')
# pc_num, rgb
color = np.load('C:/Users/mi/Desktop/trash/box/npy/color_'+str(i)+'_.npy')# gt
# box_num,xyz
gt_box_center = np.load('C:/Users/mi/Desktop/trash/box/npy/gt_box_center_'+str(i)+'_.npy')
#box_num,angle
gt_box_angles = np.load('C:/Users/mi/Desktop/trash/box/npy/gt_box_angle_'+str(i)+'_.npy').reshape(-1,1)
# box_num,lwh
gt_box_size = np.load('C:/Users/mi/Desktop/trash/box/npy/gt_box_size_'+str(i)+'_.npy')point_cloud = o3d.geometry.PointCloud()
point_cloud.points = o3d.utility.Vector3dVector(points[:, :3])
point_cloud.colors = o3d.utility.Vector3dVector(color/255)vis = o3d.visualization.Visualizer()
vis.create_window()
vis.add_geometry(point_cloud)gt_boxes = np.concatenate([gt_box_center, gt_box_size, gt_box_angles], axis=-1)
for i, box in enumerate(gt_boxes):b = o3d.geometry.OrientedBoundingBox()b.center = box[:3]b.extent = box[3:6]# with headingR = o3d.geometry.OrientedBoundingBox.get_rotation_matrix_from_xyz((0, 0, box[6]))b.rotate(R, b.center)b.color = (1,1,0)vis.add_geometry(b)# vis.get_render_option().background_color = np.asarray([0, 0, 0]) # 设置一些渲染属性
vis.run()
vis.destroy_window()

点云可视化 open3D相关推荐

python点云可视化_3D可视化神器之Open3D
很多时候在python里面你要找一个3D点云可视化的库真的是难啊.你的选择可能是:pcl mayavi matplolib 但是以上都不好用,pcl甚至没有靠谱的python wrapper,唯一一个 ...
python open3d点云可视化（本节会根据实际所用持续更新）
本文为博主原创文章,未经博主允许不得转载. 本文为专栏<python三维点云从基础到深度学习>系列文章,地址为"https://blog.csdn.net/suiyingy/ar ...
点云 3D 可视化 - Open3D 库
点云 3D 可视化 - Open3D 库 1. 文章信息 2. Open3D 库简介 2. 3D 可视化使用 2.1 单帧点云 2.2 多帧点云 1. 文章信息 (1)标题:Open3D: A Mod ...
win下使用QT添加VTK插件实现点云可视化GUI
摘要大家在做点云的时候经常会用到QT,但是我们需要使用QT做点云的可视化的时候又需要VTK,虽然我们在windows下安装PCL的时候就已经安装了VTK,由于跟着PCL安装的VTK是没有和QT联合 ...
重磅直播|大规模点云可视化技术
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达大家好,本公众号现已开启线上视频公开课,主讲人通过B站直播间,对3D视觉领域相关知识点进行讲解,并在微 ...
手把手：R语言文本挖掘和词云可视化实践
互联网时代,大量的新闻信息.网络交互.舆情信息以文本形式存储在数据库中,如何利用数据分析和文本挖掘的算法,将海量文本的价值挖掘出来,成为我们团队近期的一个研究方向,本案例就是我们的一个初步尝试.飞信群 ...
creator qt 设置换行方式_win下使用QT添加VTK插件实现点云可视化GUI
大家在做点云的时候经常会用到QT,但是我们需要使用QT做点云的可视化的时候又需要VTK,虽然我们在windows下安装PCL的时候就已经安装了VTK,由于跟着PCL安装的VTK是没有和QT联合编译的, ...
将QVTKWidget嵌入到QT窗体，实现点云可视化的基本操作
将QVTKWidget嵌入到QT窗体,实现点云可视化的基本操作网络上的朋友都在讲,做点云数据处理的童鞋都希望做一个属于自己的点云可视化的界面,不论是情怀还是业务需要,我都做了一个1.0.1版本的可视 ...
下c语言实现wc_用 Python 实现词云可视化
词云是一种非常漂亮的可视化展示方式,正所谓一图胜过千言万语,词云在之前的项目中我也有过很多的使用,可能对于我来说,一种很好的自我介绍方式就是词云吧,就像下面这样的: 个人觉还是会比枯燥的文字语言描述性 ...

点云可视化 open3D

好博客汇总

点云语义分割可视化

方案1：npy文件包含位置和颜色

方案2：npy 文件位置跟颜色分离

方案3：同时显示现实颜色、gt、pre label

用open3D 可视化点云的方向统一

区域放大

目标检测可视化

点云可视化 open3D相关推荐

最新文章

热门文章

点云可视化 open3D

好博客汇总

点云语义分割可视化

方案1：npy文件包含位置和颜色

方案2：npy 文件 位置跟颜色分离

方案3：同时显示现实颜色、gt、pre label

用open3D 可视化点云的方向统一

区域放大

目标检测可视化

点云可视化 open3D相关推荐

最新文章

热门文章

方案2：npy 文件位置跟颜色分离