如何生成漂亮的点云渲染图？

1. 背景介绍

之前笔者已经介绍过一种基于blender的点云渲染方法，利用blender软件以及一款对应的PCD插件，能够实现对点云的渲染。原文：https://blog.csdn.net/aliexken/article/details/118356716。

使用该渲染流程，能够利用blender强大的渲染工具，完成对点云的可视化渲染任务。但是，该方法在操作层面存在一些小问题，即渲染流程略显繁琐。通常我们在做论文的渲染图时，仅仅是处理一些比较简单的渲染任务，使用如此繁琐的渲染操作，有点杀鸡用牛刀。那么，有没有比较简单易用的点云渲染方法，来实现对点云的渲染工作呢？

NTU同事推荐了一个点云渲染项目，即pointflow，github项目链接：

https://github.com/zekunhao1995/PointFlowRenderer

Yang G, Huang X, Hao Z, et al. Pointflow: 3d point cloud generation with continuous normalizing flows[C]. International Conference on Computer Vision (ICCV). 2019.

Pointflow用于建立一个基于点云数据的渲染管线，处理点云的可视化问题。其原理是将点云变成一组球形对象，然后对这组球形对象进行渲染，并最终得到渲染图像。如下图所示：

 接下来，笔者将带大家一起学习一下，如何使用Pointflow工具获得点云渲染图。

2. 准备工作

首先我们需要下载Pointflow对应的工具；

1）模型处理程序：https://github.com/zekunhao1995/PointFlowRenderer

2）Mitsuba渲染软件： http://www.mitsuba-renderer.org/

模型处理程序的py文件为pointflow_fig_colorful.py，具体功能就是将一个npy点云文件处理为一个尺度与点数归一化的xml文件，以方便渲染软件操作。

使用Mitsuba渲染软件载入在之前获得的xml文件后，就能够启动渲染操作流程。

这里需要注意的是，pointflow_fig_colorful.py文件的源代码没有提供直接读取模型文件并转换为np的代码，为了方便起见，笔者增加了相关代码，以方便读者使用，如下：

import numpy as np
from plyfile import PlyData, PlyElement
import pandas as pd

file_dir = 'F:/Download/3D_Tools/Point_Cloud_Rendering/ply/Lion2.ply'  #文件的路径
plydata = PlyData.read(file_dir)  # 读取文件
data = plydata.elements[0].data  # 读取数据
data_pd = pd.DataFrame(data)  # 转换成DataFrame, 因为DataFrame可以解析结构化的数据
pcl = np.zeros(data_pd.shape, dtype=np.float)  # 初始化储存数据的array
property_names = data[0].dtype.names  # 读取property的名字
for i, name in enumerate(property_names):  # 按property读取数据，这样可以保证读出的数据是同样的数据类型。
    pcl[:, i] = data_pd[name]

注意，在使用时，需要安装对应的包：panda，plyfile。

3. 具体步骤

通过运行pointflow_fig_colorful.py，得到了可以载入程序的xml文件。我们首先看一下这个xml文件里边都由什么内容：

其他关于纹理，颜色的内容，可以参看文档：

https://mitsuba2.readthedocs.io/en/latest/src/getting_started/file_format.html

值得注意的是上述代码，即sphere。这里需要解释一下，就是点云之所以能够被渲染，是因为程序将点云中的每一个点用球体代替。xml文件中的这段sphere就是声明对应一个点的球体，包括颜色，半径以及坐标。

将xml文件导入到Mitsuba渲染软件，结果如下：

 

有一些基本的操作可以使用，已调整渲染的一些参数，这里建议是使用默认设置。

最后，点击左上角绿色执行按钮，完成渲染：

完成渲染后，导出最终的渲染结果：