广州哪个大学做网站制作好些的,佛山网站优化流程,网站建设案例基本流程图,嵊州哪里可以做网站目录 1 为什么要写这个博文2 提出一些关键问题3 给出全部代码安装依赖源码#xff08;laspy v2.x#xff09; 1 为什么要写这个博文
搜索使用python读写las点云数据#xff0c;可以找到很多结果。但是#xff01; 有些只是简单的demo#xff0c;且没有发现/说明可能遇到的… 目录 1 为什么要写这个博文2 提出一些关键问题3 给出全部代码安装依赖源码laspy v2.x 1 为什么要写这个博文
搜索使用python读写las点云数据可以找到很多结果。但是 有些只是简单的demo且没有发现/说明可能遇到的问题有些晦涩难懂不够实用主义有些须付费观看没有开源精神。
本人在使用laspy v2.3读写点云文件时着实被坐标精度问题难到了顺便就仔细学习了下las格式到底是什么来头。
您猜怎么着如果能打开这个网址都在这里面详细说明了laspy document
我还是种个树吧直接拔了就能用。文末贴源码。
2 提出一些关键问题 注意 * 实测版本 laspy v2.32.x版本应该都可用但不适合1.x版本。 * las 存储数据时需要设置 scales 和 offsets否则会出现精度问题。 * las 存储颜色时数值类型为 16 位无符号整型。rgb (normal_rgb * 65535).astype(np.uint16) las 格式原生支持的属性字段与las版本密切相关。官方说明https://laspy.readthedocs.io/en/latest/intro.html#point-records 对 scales 和 offsets 的理解 比例scales 表明数据的准确性。 0.001 是毫米精度。这意味着如果您的坐标是 0.123456它将被限制为 0.123。 偏移offset 的目的是避免整数溢出。假设您要存储 123456789.123。在 LAS 文件中您实际上将存储一个整数123456789123该整数将在读取时使用比例因子转换为 123456789.123。但 123456789123 比 32 位整数所能存储的要大得多。因此存储时将该值偏移 123450000实际存的是6789123。 (6789123 * 0.001 123450000 123456789.123) 段落出处
3 给出全部代码
安装依赖
使用 pip # 选择一个安装就好
# Install _without_ LAZ support
pip install laspy# Install with LAZ support via lazrs
pip install laspy[lazrs]# Install with LAZ support via laszip
pip install laspy[laszip]# Install with LAZ support via both lazrs laszip
pip install laspy[lazrs,laszip]使用 conda # 选择一个安装就好
conda install -c conda-forge laspy
conda install -c conda-forge lazrs-python源码laspy v2.x 三个工具函数 read_las_fit() : 读取 las 文件 write_las_fit(): 保存 las 文件 get_las_header_attrs() : 获取不同 las 版本支持的固有属性 备注_fit 的意思是可以支持各种属性信息的读取和写入 import laspy
import numpy as npdef read_las_fit(filename, attrsNone):读取 las 文件获取三维坐标 xyz, 颜色 rgb, 属性 attr_dict。当文件没有 RGB 信息时返回全0的 RGB 信息Args:filename: str las 文件路径attrs: list 需要额外获取的属性信息 如 [label]Returns:xyz, rgb, attr_dictif attrs is None:attrs []# 默认返回 scales, offsets 合并 [scales, offsets]attrs list(set(attrs [scales, offsets]))# 读取点云inFile laspy.read(filename)# inFile.point_format.dimensions可以获取所有的维度信息N_points len(inFile)x np.reshape(inFile.x, (N_points, 1))y np.reshape(inFile.y, (N_points, 1))z np.reshape(inFile.z, (N_points, 1))xyz np.hstack((x, y, z))# TODO 注意。如果是大写的 X Y Z需要转换后才是真实坐标: real_x scale[0] * inFile.X offset[0]# 初始化 rgb 全是 0rgb np.zeros((N_points, 3), dtypenp.uint16)if hasattr(inFile, red) and hasattr(inFile, green) and hasattr(inFile, blue):r np.reshape(inFile.red, (N_points, 1))g np.reshape(inFile.green, (N_points, 1))b np.reshape(inFile.blue, (N_points, 1))# i np.reshape(inFile.Reflectance, (N_points, 1))rgb np.hstack((r, g, b))else:print(f注意{filename.split(/)[-1]} 没有RGB信息返回全0的RGB信息)# 组织其他属性信息attr_dict {}for attr in attrs:# 先判断 header 中是否有该属性if hasattr(inFile.header, attr):value getattr(inFile.header, attr)if hasattr(value, array):attr_dict[attr] np.array(value)else:attr_dict[attr] value# 再判断 是否为额外属性elif hasattr(inFile, attr):value getattr(inFile, attr)if hasattr(value, array):attr_dict[attr] np.array(value)else:attr_dict[attr] valueelse:attr_dict[attr] Noneprint(f注意{filename.split(/)[-1]} 没有属性 {attr} 信息)return xyz, rgb, attr_dictdef write_las_fit(out_file, xyz, rgbNone, attrsNone):将点云数据写入 las 文件支持写入 坐标xyz, 颜色rgb, 属性attrsArgs:out_file: 输出文件路径xyz: 点云坐标 ndarray (N, 3)rgb: 点云颜色 ndarray (N, 3)attrs:固有属性file_source_id, gps_time, Intensity, Number of Returns, ....额外属性label, pred, ...注意如果不传入 scales 和 offsets则会自动计算Returns:if attrs is None:attrs {}# 1. 创建 las 文件头。point_format和version决定了las支持哪些固有属性# 详情见 https://pylas.readthedocs.io/en/latest/intro.html?highlightred#point-recordsheader laspy.LasHeader(point_format7, version1.4) # 7 支持rgb# 自动计算 scales 和 offsets确保坐标精度无损# https://stackoverflow.com/questions/77308057/conversion-accuracy-issues-of-e57-to-las-in-python-using-pye57-and-laspyif offset not in attrs:min_offset np.floor(np.min(xyz, axis0))attrs[offset] min_offsetif scales not in attrs:attrs[scales] [0.001, 0.001, 0.001] # 0.001 是毫米精度# 初始化一些需要保存的属性值。如果是固有属性直接赋值; 如果是额外属性添加到 header 中, 后续赋值extra_attr []for attr, value in attrs.items():if hasattr(header, attr): # 设置固有的属性的值, 如 scales, offsetsheader.__setattr__(attr, value)else: # 添加额外属性在 las 初始化后赋值header.add_extra_dim(laspy.ExtraBytesParams(nameattr, typenp.float32))extra_attr.append(attr)# 2. 创建 las 文件las laspy.LasData(header)# 添加xyz坐标las.x xyz[:, 0]las.y xyz[:, 1]las.z xyz[:, 2]# 添加RGB颜色如果是归一化的颜色则需要乘以 65535转为 uint16if rgb is not None:if np.max(rgb) 1:rgb (rgb * 65535).astype(np.uint16) # 65535 2^16 - 1, las存储颜色是16位无符号整型las.red rgb[:, 0]las.green rgb[:, 1]las.blue rgb[:, 2]# 添加额外属性for attr in extra_attr:# 当 value 是 n * 1 的 ndarray 时转换为 1 维数组value attrs[attr]if value.ndim 2 and value.shape[1] 1:value value.flatten()las[attr] value# 保存LAS文件las.write(out_file)def get_las_header_attrs(point_format7, version1.4):根据 point_format 和 version 获取 las 文件的 header 属性说明文档https://laspy.readthedocs.io/en/latest/intro.html#point-recordsArgs:point_format: 点格式version: 版本Returns:dimensions []header laspy.LasHeader(point_formatpoint_format, versionversion) # 7 支持rgbfor dim in header.point_format.dimensions:dimensions.append(dim.name)return dimensionsif __name__ __main__:# 测试1 获取 las 文件头属性fields get_las_header_attrs(7, 1.4)print(fpoint_format7, version1.4, 头文件包含字段 {fields})# 测试2 读取LAS文件read_las_path /path_2_data/one_point_cloud.lasxyz_, rgb_, attrs_ read_las_fit(read_las_path, [scales, offsets])print(attrs_)# 测试3 写入LAS文件save_las_path /path_2_data/one_point_cloud_fit.laswrite_las_fit(save_las_path, xyz_, rgb_, {# scales: attrs_[scales],# offsets: attrs_[offsets]})
