目錄
- 一、算法原理
- 二、讀取las點云
- 三、算法源碼
- 四、結果展示
- 五、CloudCompare實現
一、算法原理
布料模擬濾波處理流程：
1）利用點云濾波算法或者點云處理軟件濾除異常點；
2）將激光雷達點云倒置；
3）設置模擬布料，設置布料網格分辨率 G R GR GR，確定模擬粒子數。布料的位置設置在點云最高點以上；
4）將布料模擬點和雷達點投影到水平面，為每個布料模擬點找到最相鄰的激光點的高度值，將高度值設置為 I H V IHV IHV；
5）布料例子設置為可移動，布料粒子首先受到重力作用，當粒子高度 C H V CHV CHV小于 I H V IHV IHV時，將粒子高度設置為 I H V IHV IHV；粒子設置為不可移動；
6）計算布料粒子之間的內力作用，根據設置的布料剛性參數，調整布料粒子之間的相對位置；
7）重復進行5）和6）計算，迭代次數達到設置的最大迭代次數；
8）計算激光雷達點與對應布料模擬點的距離，距離小于閾值標記為地面點，距離大于閾值標記為非地面點。
點云地面點濾波(Cloth Simulation Filter, CSF)“布料”濾波算法介紹
二、讀取las點云
參考鏈接： python讀取las
1、GitHub: laspy
2、基礎教程：Laspy: Documentation
3、安裝：pip install laspy
4、使用example:
import laspy
#============讀取las格式的點云===========
inFile = laspy.file.File(r"40m1.las", mode='r') # 讀取點云
print('X,Y,Z',inFile.x,inFile.y,inFile.z) # 輸出點云坐標
print('點云個數:',len(inFile)) #讀取點云個數
#============保存點云為las文件===========
h = inFile.header
outFile = laspy.file.File('666.las', mode = "w", header=h)
points = inFile #對點云進行的相關操作
outFile.points = points
outFile.close() #關閉文件完成保存
三、算法源碼
1、算法細節：CSF
2、源碼獲取：https://github.com/jianboqi/CSF
3、源碼編譯：下載源代碼。在python文件夾下：
python setup.py build
python setup.py install
4、讀取las并可視化算法結果
import laspy
import CSF
import numpy as np
import open3d as o3d
#============讀取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
#============布料模擬濾波============
csf = CSF.CSF()
# 參數設置
csf.params.bSloopSmooth = False #粒子設置為不可移動
csf.params.cloth_resolution = 0.1 #布料網格分辨率
csf.params.rigidness = 3 #布料剛性參數
csf.params.time_step = 0.65
csf.params.class_threshold = 0.03 #點云與布料模擬點的距離閾值
csf.params.interations = 500 #最大迭代次數
# more details about parameter: http://ramm.bnu.edu.cn/projects/CSF/download/
csf.setPointCloud(xyz)
ground = CSF.VecInt() # 地面點索引列表
non_ground = CSF.VecInt() # 非地面點索引列表
csf.do_filtering(ground, non_ground) # 執行濾波
#============保存為las文件==========
outFile = laspy.file.File(r"non_ground.las",
mode='w', header=inFile.header)
outFile.points = points[non_ground] # 提取非地面點保存到las
outFile.close() # 關閉文件夾
a=xyz[ground]
b=xyz[non_ground]
#=============可視化===============
def view_cloud(a, b):
pcd = o3d.geometry.PointCloud()
# =====numpy轉point=======
pcd.points = o3d.utility.Vector3dVector(a)
pcd1 = o3d.geometry.PointCloud()
pcd1.points = o3d.utility.Vector3dVector(b)
#=======自定義顏色========
pcd.paint_uniform_color([0, 1, 0])
pcd1.paint_uniform_color([1, 0, 0])
o3d.visualization.draw_geometries([pcd, pcd1],window_name='提取結果')
o3d.visualization.draw_geometries([pcd1],window_name='非地面點')
o3d.visualization.draw_geometries([pcd],window_name='地面點')
view_cloud(a,b)
5、讀取pcd文件并可視化結果
import open3d as o3d
import CSF
import numpy as np
pc = o3d.io.read_point_cloud("數據//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)#保存點云
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='提取結果')
o3d.visualization.draw_geometries([pcd1],window_name='非地面點')
o3d.visualization.draw_geometries([pcd],window_name='地面點')
view_cloud(a,b)
四、結果展示
五、CloudCompare實現
1、加載點云數據，點擊Plugins中的CSF Filter功能
2、彈出如下窗口：
圖中：Cloth resolution：是指用于覆蓋地形的布的網格大小(單位與點云的單位相同)。你設置的布分辨率越大，你得到的DTM就越粗糙；Max iterations：是指地形仿真的最大迭代次數。500對大多數場景來說都足夠了。Classification threshold：是指根據點與模擬地形之間的距離，將點云劃分為地面和非地面部分的閾值。0.5適用于大多數場景
這里的網格分辨率和距離閾值最小只能設置為10cm,地面10cm的范圍默認是地面點，精確度不如自己代碼實現中的高。
3、最后得到的結果：
可以看出，非地面點中不能提取到路緣石。
到此這篇關于python實現CSF地面點濾波的文章就介紹到這了,更多相關python地面點濾波內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- python點云地面點濾波(Progressive Morphological Filter)算法介紹（PCL庫）
- python 點云地面點濾波-progressive TIN densification(PTD)算法介紹
