新站提交
  • 网站:49052
  • 待审:1013
  • 文章:97407
  • 会员:113

一、算法原理

布料模仿滤波处理流程:
1)运用点云滤波算法或许点云处理软件滤除反常点;
2)将激光雷达点云倒置;
3)设置模仿布料,设置布料网格分辨率 G R GR GR,确认模仿粒子数。布料的方位设置在点云最高点以上;
4)将布料模仿点和雷达点投影到水平面,为每个布料模仿点找到最相邻的激光点的高度值,将高度值设置为 I H V IHV IHV;
5)布料比如设置为可移动,布料粒子首要遭到重力效果,当粒子高度 C H V CHV CHV小于 I H V IHV IHV时,将粒子高度设置为 I H V IHV IHV;粒子设置为不行移动;
6)核算布料粒子之间的内力效果,依据设置的布料刚性参数,调整布料粒子之间的相对方位;
7)重复进行5)和6)核算,迭代次数到达设置的最大迭代次数;
8)核算激光雷达点与对应布料模仿点的间隔,间隔小于阈值标记为地上点,间隔大于阈值标记为非地上点。

点云地上点滤波(Cloth Simulation Filter, CSF)“布料”滤波算法介绍

二、读取las点云

参阅链接: python读取las
1、GitHub: laspy
2、基础教程:Laspy: Documentation
3、装置:pip install laspy
4、运用example:

import laspy
#============读取las格局的点云===========
inFile = laspy.file.File(r"40m1.las", mode='r') # 读取点云
print('X,Y,Z',inFile.x,inFile.y,inFile.z) # 输出点云坐标
print('点云个数:',len(inFile)) #读取点云个数
#============保存点云为las文件===========
h = inFile.header
outFile = laspy.file.File('666.las', mode = "w", header=h)
points = inFile #对点云进行的相关操作
outFile.points = points
outFile.close() #封闭文件完结保存

三、算法源码

1、算法细节:CSF
2、源码获取:https://github.com/jianboqi/CSF
3、源码编译:下载源代码。在python文件夹下:
python setup.py build
python setup.py install
4、读取las并可视化算法成果

import laspy
import CSF
import numpy as np
import open3d as o3d
#============读取las文件=============
inFile = laspy.file.File(r"40m1.las", mode='r') # read a las file
points = inFile.points
xyz = np.vstack((inFile.x, inFile.y, inFile.z)).transpose() # extract x, y, z and put into a list
#============布料模仿滤波============
csf = CSF.CSF()
# 参数设置
csf.params.bSloopSmooth = False    #粒子设置为不行移动
csf.params.cloth_resolution = 0.1  #布料网格分辨率
csf.params.rigidness = 3  #布料刚性参数
csf.params.time_step = 0.65
csf.params.class_threshold = 0.03 #点云与布料模仿点的间隔阈值
csf.params.interations = 500      #最大迭代次数
# more details about parameter: http://ramm.bnu.edu.cn/projects/CSF/download/
csf.setPointCloud(xyz)
ground = CSF.VecInt()  # 地上点索引列表
non_ground = CSF.VecInt() # 非地上点索引列表
csf.do_filtering(ground, non_ground) # 履行滤波
#============保存为las文件==========
outFile = laspy.file.File(r"non_ground.las",
                          mode='w', header=inFile.header)
outFile.points = points[non_ground] # 提取非地上点保存到las
outFile.close() # 封闭文件夹

a=xyz[ground]
b=xyz[non_ground]
#=============可视化===============
def view_cloud(a, b):
    pcd = o3d.geometry.PointCloud()
    # =====numpy转point=======
    pcd.points = o3d.utility.Vector3dVector(a)

    pcd1 = o3d.geometry.PointCloud()

    pcd1.points = o3d.utility.Vector3dVector(b)
    #=======自定义色彩========
    pcd.paint_uniform_color([0, 1, 0])
    pcd1.paint_uniform_color([1, 0, 0])
    o3d.visualization.draw_geometries([pcd, pcd1],window_name='提取成果')
    o3d.visualization.draw_geometries([pcd1],window_name='非地上点')
    o3d.visualization.draw_geometries([pcd],window_name='地上点')
view_cloud(a,b)

5、读取pcd文件并可视化成果

import open3d as o3d
import CSF
import numpy as np

pc = o3d.io.read_point_cloud("数据//100m1.pcd")
xyz = np.asarray(pc.points)
csf = CSF.CSF()
# prameter settings
csf.params.bSloopSmooth = False
csf.params.cloth_resolution = 0.1
csf.params.rigidness = 3
csf.params.time_step = 0.65
csf.params.class_threshold = 0.03
csf.params.interations = 500
# more details about parameter: http://ramm.bnu.edu.cn/projects/CSF/download/
csf.setPointCloud(xyz)
ground = CSF.VecInt()  # a list to indicate the index of ground points after calculation
non_ground = CSF.VecInt() # a list to indicate the index of non-ground points after calculation
csf.do_filtering(ground, non_ground) # do actual filtering.

# o3d.io.write_point_cloud("trans_of_source.pcd", non_ground)#保存点云
a=xyz[ground]
b=xyz[non_ground]
def view_cloud(a, b):
    pcd = o3d.geometry.PointCloud()
    # From numpy to Open3D
    pcd.points = o3d.utility.Vector3dVector(a)

    pcd1 = o3d.geometry.PointCloud()
    # From numpy to Open3D
    pcd1.points = o3d.utility.Vector3dVector(b)

    pcd.paint_uniform_color([0, 1, 0])
    pcd1.paint_uniform_color([1, 0, 0])
    o3d.visualization.draw_geometries([pcd, pcd1],window_name='提取成果')
    o3d.visualization.draw_geometries([pcd1],window_name='非地上点')
    o3d.visualization.draw_geometries([pcd],window_name='地上点')
view_cloud(a,b)

四、成果展现

五、CloudCompare完结

1、加载点云数据,点击Plugins中的CSF Filter功用

2、弹出如下窗口:



 图中:Cloth resolution:是指用于掩盖地势的布的网格巨细(单位与点云的单位相同)。你设置的布分辨率越大,你得到的DTM就越粗糙;Max iterations:是指地势仿真的最大迭代次数。500对大多数场景来说都足够了。Classification threshold:是指依据点与模仿地势之间的间隔,将点云划分为地上和非地上部分的阈值。0.5适用于大多数场景
  这儿的网格分辨率和间隔阈值最小只能设置为10cm,地上10cm的规模默许是地上点,精确度不如自己代码完结中的高。
3、最终得到的成果:

能够看出,非地上点中不能提取到路缘石。

到此这篇关于python完结CSF地上点滤波的文章就介绍到这了,更多相关python地上点滤波内容请查找脚本之家曾经的文章或持续阅读下面的相关文章期望我们今后多多支撑脚本之家!

  • 49052

    网站

  • 0

    小程序

  • 97407

    文章

  • 113

    会员

赶快注册账号,推广您的网站吧!