2021-7-19-点云、点云密度、在matlab中的显示与保存

文章的内容

这个文章主要包含对点云的解释，什么是点云密度？以及点云在matlab2019b中如何加载、显示和保存、计算点云密度。

---

什么是点云

1 什么是逆向工程？

逆向工程，又称为逆向技术，是产品设计技术再现过程，即对目标产物进行逆向分析及研究，得出目标产物的组织结构、功能特性及技术规格等。逆向工程的主要目的是目标成品进行分析，逆向推导产品设计、制作流程。

2 什么是点云？

点云（Point Cloud），在逆向工程中由测量仪器获取物体表面的点的集合。

每个点云的属性主要包含：三维坐标（xyz）、强度信息（intensity）、颜色（RGB）等信息。

点云的格式包含：las、txt、pcd、ply、pts、xyz等多种格式。

3 点云数据的特点

①数据量大：采样频率高，可以在几秒内获取成千上万的点。

②数据分布不均匀：数据点密度随着离扫描仪器的距离增加而下降，且分布离散。

4 如何获取点云？

激光雷达（Light Detection and Ranging，LiDAR），全称激光探测与测距系统，是主动遥感的一种，由传感器向外发射激光，得到传感器与目标物体之间的传播距离，可分析目标地物表面的反射能量大小与反射波普幅度、频率、相位等信息，对目标定位信息进行精确解算，从而得到目标地物的三维结构信息。常见的商用仪器包含：莱卡（Leica）、瑞格（RIEGL）等。———————《激光雷达森林生态应用——理论、方法及实例》

5 可以在什么软件上加载点云？

免费软件：

CloudCompare，又称为CC，下载地址：CloudCompare - Downloads

点云魔方（PCM），微信公众号：PCM与点云处理，可以下载。

可以实现点云加载、显示、保存、栅格化、以及林业、电力线相关方面的技术实现。

商业软件：

Lidar360，Global Mapper等。

6 点云可以用来干什么？

①可以在农林业上做参数提取、生态分析、建模等。

②在建筑建模、片面分割与分析。

③文物、古建筑的建模、修复与保存。

④数字高程模型的建立与地形分析。

⑤公路与道路的测量与扩建。

⑥电力线的巡检。

---

点云密度

1 什么是点云密度？

点云密度（Point Cloud Density），是点云的重要属性特征，反应激光点云的空间分布及密集程度，即可以直接反应目标地物的空间分布特点。和遥感影像一样，更多的点（密度高）意味着更高的分辨率，具有更多的信息，较少的点（密度低）意味着信息较少，将会影响信息的提取与处理。

2 点云密度有什么用？

点云密度越大，越可以反应设备的先进性，可以保留更多的地物细节，可以更精确的描述地物的空间特征，这对于地物信息提取、分析具有较大的优势。较少的密度则相反，提取的地物信息可能受损。除此之外，密度过大也意味着数据量很大，也在一定程度上会造成数据冗余，信息冗余，造成数据处理困难等麻烦。

3 计算点云密度

具《GB/T 36100—2018 机载激光雷达点云数据质量评价指标及计算方法-规范》中解读，点云密度为单位面积所具有点的数量，其计算方式如下：

                                                             

 其中ρ 表示点云密度，单位：个/m2；

n为点云总个数；

为第i个水域内点云的个数，单位：个；

A为样地面积，单位：m2；

m为水域个数，单位：个；

为第i个水域面积，单位：m2。

在已知的文献中表明，当点云的密度>3个/平方米，称为高密度，反之则为低密度，<3个/平方米，又称为稀疏型点云数据。————魏金龙,李明阳,赵邑晨,李超,李盈昌.基于稀疏型机载激光雷达数据的风景林参数估测[J].西北林学院学报,2021,36(02):164-171.

---

点云数据在matlab中的加载、显示、保存

matlab自身携带的function库可以打开pcd、ply、txt、csv格式。

1 加载点云与显示点云

clear all
clc
% 清除所有变量
% 清除命令栏所有信息
 
%% pcd与ply格式数据加载
% 使用函数pcread，这个函数需要matlab较高的版本才有
 
% 同样可以加载pcd格式
ptCloud = pcread('teapot.ply');
% 加载出来为matlab的pointCloud格式（结构体struct）
% pcshow可以直接显示
pcshow(ptCloud)
% pcshow还有很多显示的用法，可以不断的尝试
 
% 可以通过.的形式获取到pointCloud的数据
xyz = ptCloud.Location;
% 此时的xyz为n*3格式的数组
% 同样可以采用pcshow显示
pcshow(xyz)
 
%% txt与csv格式的加载
% txt格式的加载则采用importdata
% 数据的格式可能是n*m，直接使用pcshow会报错
% point = improtdata('点云.txt');
% pcshow(point(:,1:3))
 
 
% csv格式采用readtable
% 可能是n*m的形式
% point = readtable('点云');
% 转换数据的格式，由表格的形式转换为数组
% point = table2array(point);
% pcshow(point(:,1:3))

上图即为加载显示的茶壶点云，为matlab的自带数据。

2 其他显示方式

clear all
clc
 
% scatter3 显示，需要分别读取xyz
ptCloud = pcread('teapot.ply');
% 读取pointCloud结构中的xyz值
xyz =  ptCloud.Location;
% 使用scatter3显示
scatter3(xyz(:,1),xyz(:,2),xyz(:,3),'.')
% 锁定坐标轴
axis equal
 
% plot3也可以做到同样的事情
plot3(xyz(:,1),xyz(:,2),xyz(:,3),'.')
axis equal

 3 点云的保存

clear all
clc
 
% 可以用pcwrite进行保存pcd、ply格式
% save保存txt格式，如果是双精型，则需要添加'-double'，详细见帮助文档
% csv格式用writetable
% 这里不在做更多的演示

 4 点云密度的计算

通过《GB/T 36100—2018 机载激光雷达点云数据质量评价指标及计算方法-规范》计算。

clear all
clc
 
% 读取matlab自带的点云文件
ptCloud = pcread('teapot.ply');
% 读取点云xyz值
xyz = ptCloud.Location;
% 凸包计算茶壶的二维占地面积
% 凸包需要双精型，读取的xyz为单精
xyz = double(xyz);
% K返回边界索引，V返回面积
[K,V] = convhull(xyz(:,1),xyz(:,2));
% size和length都可查看点云的数量，这里以size为例
% n和m返回点云的行和列
[n,m] = size(xyz);
% n行就是点云的数量
% 由于无水域区域，所以点云的密度为总数量/面积
p =  n/V;

此外还有距离密度，这个即为每个离它最邻近点的距离的平均值

clear all
clc
 
% 读取matlab自带的点云文件
ptCloud = pcread('teapot.ply');
% 读取点云xyz值
xyz = ptCloud.Location;
% 通过knnsearch即‘k'临近计算xyz集合里面每个点离xyz集合里面的最近点
% 由于第一个搜索的点是他本身，所以k临近个数选择了2
[idx,d] = knnsearch(xyz,xyz,'k',2);
% idx是最邻近点的索引项，用不到；d是每个点离它最邻近点的距离值
% 计算平均距离，即距离密度，单位：m
p = mean(d(:,2));

5 其他备注

las格式matlab也可以加载，但是matlab本身不具有加载的function，需要在github上下载，LASreadAll等。

后续博主将不定时间持续更新，包含点云文献阅读、林业点云数据处理、点云相关知识介绍等。