将 XYZ 点云转换为灰度图像答案

【问题标题】：Convert XYZ point cloud to grayscale image将 XYZ 点云转换为灰度图像
【发布时间】：2018-12-18 06:13:13
【问题描述】：

每个人我正在尝试使用 python 将点云（X、Y、Z）转换为灰度图像。我了解到灰度图像可以由 Numpy 数组生成。但我现在拥有的是一组包含 X、Y 和高度的点。我想根据 X、Y 和灰度值（即高度）生成灰度图像。

有人可以给我一个想法吗？先谢谢了。

罗文

【问题讨论】：

您将积分存储到哪种格式？
@filippo 我有一个熊猫数据框，其尺寸为 X、Y 和高度，可以轻松转换为灰度级。实际上，数据框是由 las 文件中的 pdal 包生成的。
点在所有 x,y 空间上是否均匀分布？像表面的东西？或者他们是分散的？如果是后者，我会使用高度为颜色的散点图
您可能需要查看scipy.interpolate。使用此模块，您可以构建一个插值 2D 函数。在像素坐标处评估此函数将为您提供灰度图像。
您的点云的 X、Y 坐标是否布置在网格上？如果是这样，pcolormesh plotting function from Matplotlib 将非常适合您的用例。

标签： python numpy point-clouds lidar

【解决方案1】：

谢谢，伙计们。我刚写完自己的代码来做插值。但我的想法来自你的。感谢@asaflotz 和@Paul Panzer。

事情是在我的场景中，点云中的点排列得不好。两个相邻点之间的间隔不均匀。直接使用网格是不可能的。所以我在Scipy.Interpolate 中选择了一个非结构化方法，它有很多实用的方法可以根据不同的用例使用。我下面的代码是来自Scipy.Interpolate.griddata 的示例的修改版本。

x_range=((df.X.max()-df.X.min()))
y_range=((df.Y.max()-df.Y.min()))
grid_x, grid_y = np.mgrid[df.X.min():df.X.max():(x_range*1j), df.Y.min():df.Y.max():(y_range*1j)]
points = df[['X','Y']].values
values = df['new'].values
grid_z0 = griddata(points, values, (grid_x, grid_y), method='linear').astype(np.uint8)
im=Image.fromarray(grid_z0,'L')
im.show()

注意到在 griddata 中，可以根据您的场景应用 'linear'、'nearest'、'cubic' 等方法。这是生成的灰度高程图像。

最后，我的问题基本解决了。如果您有任何好的想法或困惑，请在这篇文章中发表评论。谢谢大家！

罗文

【讨论】：

【解决方案2】：

让我们假设 X、Y 排列成一个网格（这是构建矩形图像所必需的）。从那里这很容易：

import numpy as np
import matplotlib.pyplot as plt

# generate some data
ax = np.arange(-9, 10)
X, Y = np.meshgrid(ax, ax)
Z = X ** 2 + Y ** 2

# normalize the data and convert to uint8 (grayscale conventions)
zNorm = (Z - Z.min()) / (Z.max() - Z.min()) * 255
zNormUint8 = zNorm.astype(np.uint8)

# plot result
plt.figure()
plt.imshow(zNormUint8)

【讨论】：

感谢您的想法。我的问题已经按照你的想法解决了。--Rowen