4、点云可视化入门：使用Open3D读取并显示点云、调整视角与颜色、保存截图

点云可视化，说白了就是让那些密密麻麻的坐标点“活”起来。你想想看，一个激光雷达扫出来的几十万个点，光看数字谁能看出个门道？我刚开始做感知的时候，就对着纯文本数据发过呆——完全想象不出场景长什么样。后来学会了可视化，才真正跟数据“对上话”。

这一节，我们就用Open3D这个库，把点云数据变成能看、能转、能截图的3D画面。嗯，这是你搭建标注数据集的第一步，也是最重要的一步。

4.1 为什么是Open3D？

市面上点云可视化的工具不少，比如PCL、Mayavi、CloudCompare。但我个人习惯用Open3D，原因很简单：

• 轻量：安装简单，pip一行搞定
• 现代：API设计得很Pythonic，上手快
• 交互友好：鼠标拖拽旋转、滚轮缩放，跟玩3D游戏一样
• 标注扩展性强：后面做标注工具，Open3D也能撑得住

我在项目中遇到过用PCL做可视化，编译半天还报错的情况。换成Open3D后，十分钟就把数据看明白了。所以，咱们就用它。

4.2 安装与第一个可视化程序

先装库，打开终端：

pip install open3d

装好之后，写个最简单的脚本试试：

import open3d as o3d
import numpy as np

# 生成一些随机点云数据（模拟激光雷达扫描结果）
points = np.random.rand(1000, 3)  # 1000个点，每个点有x,y,z坐标

# 创建点云对象
pcd = o3d.geometry.PointCloud()
pcd.points = o3d.utility.Vector3dVector(points)

# 可视化
o3d.visualization.draw_geometries([pcd])

运行后，你会看到一个3D窗口，里面飘着一团随机点。你可以用鼠标左键旋转视角，滚轮缩放，右键平移。是不是很直观？

4.3 读取真实的点云文件

实际项目中，点云数据通常存在文件里。最常见的格式是PCD（Point Cloud Data）和PLY。Open3D直接支持读取：

# 读取PCD文件
pcd = o3d.io.read_point_cloud("your_data.pcd")

# 读取PLY文件
pcd = o3d.io.read_point_cloud("your_data.ply")

# 看看有多少个点
print(f"点云包含 {len(pcd.points)} 个点")

# 显示
o3d.visualization.draw_geometries([pcd])

如果你手头没有现成的点云文件，可以用Open3D自带的数据集：

# 加载示例数据（一个客厅场景的片段）
pcd = o3d.data.PCDPointCloud()
pcd = o3d.io.read_point_cloud(pcd.path)
o3d.visualization.draw_geometries([pcd])

4.4 调整视角——让点云“站”对位置

默认视角不一定好看。比如你加载一个道路场景，可能看到的是俯视图，而不是你想要的平视效果。这时候就需要手动调整视角。

Open3D提供了两种方式：

4.4.1 交互式调整

在可视化窗口中，按 H 键可以查看所有快捷键。常用的有：

• Ctrl + 左键：旋转
• Shift + 左键：平移
• 滚轮：缩放

4.4.2 代码控制视角

如果你想让每次打开都看到同一个角度，可以用代码设置：

# 创建可视化窗口
vis = o3d.visualization.Visualizer()
vis.create_window()

# 添加点云
vis.add_geometry(pcd)

# 设置视角参数（前、上、右方向向量）
view_control = vis.get_view_control()
view_control.set_front([0, 0, -1])   # 看向Z轴负方向
view_control.set_up([0, -1, 0])      # 上方是Y轴负方向
view_control.set_zoom(0.8)           # 缩放比例

# 运行可视化
vis.run()
vis.destroy_window()

我个人习惯先交互式调整到满意的视角，然后通过 vis.get_view_control().convert_to_pinhole_camera_parameters() 把当前视角参数打印出来，再写进代码里。这样最省事。

4.5 颜色设置——让点云“说话”

默认的点云是灰色的，看起来有点单调。给点云上色，可以让你一眼看出不同区域或不同类别的点。

4.5.1 统一颜色

# 把所有点设为蓝色
pcd.paint_uniform_color([0, 0, 1])  # RGB值范围0~1

4.5.2 按高度着色

这是最常用的方式。比如地面附近的点用绿色，高处的点用红色：

import numpy as np

# 获取所有点的z坐标
points = np.asarray(pcd.points)
z = points[:, 2]

# 归一化到0~1之间
z_min, z_max = z.min(), z.max()
z_norm = (z - z_min) / (z_max - z_min)

# 创建颜色数组：低处蓝色，中间绿色，高处红色
colors = np.zeros((len(points), 3))
colors[:, 0] = z_norm      # 红色通道
colors[:, 2] = 1 - z_norm  # 蓝色通道

pcd.colors = o3d.utility.Vector3dVector(colors)

4.5.3 按类别着色

如果你已经做了标注，可以给不同类别分配不同颜色：

# 假设labels是一个数组，0表示地面，1表示车辆，2表示行人
labels = np.random.randint(0, 3, len(points))

# 定义颜色映射
color_map = {
    0: [0.5, 0.5, 0.5],  # 地面：灰色
    1: [1, 0, 0],        # 车辆：红色
    2: [0, 1, 0]         # 行人：绿色
}

colors = np.array([color_map[l] for l in labels])
pcd.colors = o3d.utility.Vector3dVector(colors)

4.6 保存截图——记录你的“作品”

可视化之后，你可能想把当前画面保存下来，用于报告、论文或者团队分享。Open3D支持直接保存截图：

# 方法一：在交互窗口中按 Ctrl + S
# 会弹出保存对话框，选择路径即可

# 方法二：代码自动保存
vis = o3d.visualization.Visualizer()
vis.create_window(visible=False)  # 不显示窗口，后台渲染
vis.add_geometry(pcd)

# 设置视角（同上）
view_control = vis.get_view_control()
view_control.set_front([0, 0, -1])
view_control.set_up([0, -1, 0])
view_control.set_zoom(0.8)

# 更新渲染
vis.poll_events()
vis.update_renderer()

# 保存截图
vis.capture_screen_image("pointcloud_screenshot.png")
vis.destroy_window()

注意，capture_screen_image 保存的是当前窗口的截图，分辨率取决于窗口大小。如果你想要高清大图，可以先把窗口设大一点：

vis.create_window(width=1920, height=1080)

4.7 本章知识体系

下面这张图，帮你理清这一节的核心逻辑：

4.8 避坑指南

最后，分享几个我踩过的坑：

• 点云显示不全：检查一下点云的范围，如果坐标值特别大（比如几万米），Open3D的默认视角可能看不到。可以用 pcd.get_axis_aligned_bounding_box() 查看范围，然后调整zoom。
• 颜色显示不对：Open3D的RGB值范围是0~1，不是0~255。如果你从别的工具导入了0~255的颜色值，记得除以255。
• 截图黑屏：在无头服务器（没有显示器的Linux系统）上，Open3D默认无法渲染。需要安装虚拟显示器，比如 xvfb，或者用 headless 模式。

好了，这一节的内容就到这里。你现在已经能用Open3D把点云数据“看”明白了。下一节，我们会在这个基础上，开始做标注——给点云里的每个点贴上标签。

---