python点云可视化工具_救命！点云可视化（不需配置PCL）

分享一波简单的可视化bin格式点云的方法。

先大概讲下背景，目前激光雷达采集的点云文件大多基于ROS，然后转化为pcd、bin格式进行处理。(ros-pcd-bin格式之间相互转换格式有相应的工具，如果需要我后面更新在github)

大多数人都会使用pcl库来处理pcd格式点云，但不得不说，配置pcl的点云库真的真的太多坑，直接建议不要自己配环境，条件允许使用docker 找个合适的镜像就行。但是要进行点云可视化，在docker image里还要进行主机与容器之间的端口映射，如果远程服务器的话更复杂一些(不要问我怎么知道的/ )

如果仅需要进行可视化，建议参照KITTI数据集采用bin格式来处理，真的简单太多！！！下面是正文：(参考大佬的，做个记录)

方法一：numpy+mayavi.mlab

1.安装依赖库

pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple

pip install mayavi -i https://pypi.tuna.tsinghua.edu.cn/simple

2.读取.bin格式文件进行可视化

import numpy as np

import mayavi.mlab

# lidar_path更换为自己的.bin文件路径

pointcloud = np.fromfile(str("lidar_path"), dtype=np.float32, count=-1).reshape([-1, 4])

x = pointcloud[:, 0] # x position of point

y = pointcloud[:, 1] # y position of point

z = pointcloud[:, 2] # z position of point

r = pointcloud[:, 3] # reflectance value of point

d = np.sqrt(x ** 2 + y ** 2) # Map Distance from sensor

degr = np.degrees(np.arctan(z / d))

vals = 'height'

if vals == "height":

col = z

else:

col = d

fig = mayavi.mlab.figure(bgcolor=(0, 0, 0), size=(640, 500))

mayavi.mlab.points3d(x, y, z,

col, # Values used for Color

mode="point",

colormap='spectral', # 'bone', 'copper', 'gnuplot'

# color=(0, 1, 0), # Used a fixed (r,g,b) instead

figure=fig,

)

mayavi.mlab.show()

3.就可以得到可视化结果

方法二：numpy+python_pcl

1、安装依赖

pip install python_pcl-XXX.whl #XXX为版本号，也可以不加

2、读取.bin文件并可视化

import numpy as np

import pcl.pcl_visualization

# lidar_path 指定一个kitti 数据的点云bin文件就行了

points = np.fromfile(lidar_path, dtype=np.float32).reshape(-1, 4) # .astype(np.float16)

# 这里第四列代表颜色值,根据自己需要进行赋值

points[:, 3] = 3329330

# PointCloud_PointXYZRGB 需要点云数据是N*4，分别表示x,y,z,RGB ,其中RGB 用一个整数表示颜色；

color_cloud = pcl.PointCloud_PointXYZRGB(points)

visual = pcl.pcl_visualization.CloudViewing()

visual.ShowColorCloud(color_cloud, b'cloud')

flag = True

while flag:

flag != visual.WasStopped()

其中上述代码中的颜色值表如下所示：

白色：16777215 红色：16711680 绿色：65280 蓝色：255 牡丹红：16711935

青色：65535 黄色：16776960 黑色：0 海蓝：7396243 巧克力色：6042391

蓝紫色：10444703 黄铜色：11904578 亮金色：14276889 棕色：10911037

青铜色：9205843 深棕：6045747 深绿：3100463 深铜绿色：4879982

深橄榄绿：5197615 深兰花色：10040013 深紫色：8855416 深石板蓝：7021454

深铅灰色：3100495 深棕褐色：9922895 深绿松石色：7377883 暗木色：8740418

淡灰色：5526612 土灰玫瑰红色：8741731 长石色：13734517 火砖色：9315107

森林绿：2330147 金色：13467442 鲜黄色：14408560 灰色：12632256

铜绿色：5406582 青黄色：9689968 猎人绿：2186785 印度红：5123887

土黄色：10461023 浅蓝色：12638681 浅灰色：11053224 浅钢蓝色：9408445

浅木色：15319718 石灰绿色：3329330 桔黄色：14972979 褐红色：9315179

中海蓝色：3329433 中蓝色：3289805 中森林绿：7048739 中鲜黄色：15395502

中兰花色：9662683 中海绿色：4353858 中石板蓝色：8323327 中春绿色：8388352

中绿松石色：7396315 中紫红色：14381203 中木色：10911844 深藏青色：3092303

海军蓝：2302862 霓虹蓝：5066239 霓虹粉红：16740039 新深藏青色：156

新棕褐色：15452062 暗金黄色：13612347 橙色：16744192 橙红色：16720896

淡紫色：14381275 浅绿色：9419919 粉红色：12357519 李子色：15379946

石英色：14277107 艳蓝色：5855659 鲑鱼色：7291458 猩红色：12326679

海绿色：2330216 半甜巧克力色：7029286 赭色：9333539 银色：15132922

天蓝：3316172 石板蓝：32767 艳粉红色：16719022 春绿色：65407

钢蓝色：2321294 亮天蓝色：3715294 棕褐色：14390128 紫红色：14204888

石板蓝色：11397866 浓深棕色：6045747 淡浅灰色：13487565 紫罗兰色：5189455

紫罗兰红色：13382297 麦黄色：14211263 黄绿色：10079282

3、运行时候可视化结果如下

方法三：numpy+rviz

1、需要Ubuntu16.04+ros kinetic环境

2、具体代码如下：

参考下面的结构创建一个ros工程

test

└── src

└── rospy_rviz

├── CMakeLists.txt

├── data

│ ├── readbin.png

│ ├── readbin.py

│ ├── read_pcl.py

│ └── velodyne

│ ├── 000000.bin

│ ├── 000001.bin

│ ├── 000002.bin

│ ├── 000003.bin

│ ├── 000004.bin

├── launch

│ └── rospy_rviz.launch

├── package.xml

├── rviz

│ └── rospy_rviz.rviz

└── script

└── rospy_rviz.py

rospy_rviz.py

#!/usr/bin/env python

# coding=utf-8

import os

import numpy as np

import rospy

from visualization_msgs.msg import *

from sensor_msgs.msg import PointCloud2

from sensor_msgs import point_cloud2 as pc2

import pcl.pcl_visualization

def get_data():

file_name = list()

file_path = rospy.get_param('file_path', "") # 获取一个全局参数

for filename in os.listdir(file_path):

filename = os.path.join(file_path, filename)

if filename.split('.')[-1] == "bin":

# print(filename.split('/')[-1])

file_name.append(filename.split('/')[-1])

# print(file_name)

return file_name

def main():

rospy.init_node("point_cloud", anonymous=True)

rate = rospy.Rate(10)

pub_cloud = rospy.Publisher("/point_cloud", PointCloud2, queue_size=100)

point_cloud2 = PointCloud2()

point_cloud2.header.frame_id = "/velodyne"

file_path = rospy.get_param('file_path', "") # 获取一个全局参数

file_name = get_data()

for file in file_name:

point_data = np.fromfile((file_path + file), dtype=np.float32, count=-1).reshape([-1, 4])

# point_data = point_data[:10]

cloud = pc2.create_cloud_xyz32(point_cloud2.header, point_data[:, :3])

pub_cloud.publish(cloud)

# 控制发布频率

rate.sleep()

if __name__ == "__main__":

main()

CMakeLists.txt

cmake_minimum_required(VERSION 2.8.3)

project(rospy_rviz)

find_package(catkin REQUIRED COMPONENTS

message_generation

std_msgs

)

# do not wildcard install files since the root folder of the package will contain a debian folder for releasing

catkin_install_python(PROGRAMS

script/rospy_rviz.py

DESTINATION ${CATKIN_PACKAGE_SHARE_DESTINATION}/rospy_rviz

)

install(FILES

launch/rospy_rviz.launch

DESTINATION ${CATKIN_PACKAGE_SHARE_DESTINATION}/rospy_rviz

)

package.xml

rospy_rviz

0.0.0

rospy_rviz

Hqss

TODO

catkin

rospy_rviz.launch

3、使用下面命令运行程序

catkin_make

source devel/setup.bash

roslaunch rospy_rviz rospy_rviz.launch

4、可视化结果如下图所示

至此三种方法都可以正常可视化点云数据。