2. 点云可视化：PCL可视化工具、Open3D可视化基础、点云颜色与渲染
点云可视化，说白了就是让那些密密麻麻的坐标点「开口说话」。你想想看，一堆 xyz 数字摆在那，谁也看不出门道。但一旦渲染成图像，哪里是地面、哪里是障碍物、哪里是墙面，一目了然。
我个人习惯，拿到点云数据的第一件事就是可视化。不是急着做滤波、分割，而是先看看数据长什么样。这就像医生看片子，总得先扫一眼全局，再去做局部诊断。
2.1 PCL 可视化工具：老牌劲旅
PCL（Point Cloud Library）的可视化模块，我用了快十年了。它最大的优点是稳定、功能全。我在项目中遇到过不少次，点云数据量特别大，Open3D 直接卡死，但 PCL 的 CloudViewer 还能撑住。
PCL 提供了两种可视化方式：
- CloudViewer：轻量级，适合快速查看
- PCLVisualizer：功能完整，支持交互、多窗口、自定义渲染
先看一个最简单的例子：
// C++ 示例：PCL CloudViewer 基本用法
#include <pcl/visualization/cloud_viewer.h>
#include <pcl/io/pcd_io.h>
int main() {
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
pcl::io::loadPCDFile("example.pcd", *cloud);
pcl::visualization::CloudViewer viewer("Simple Cloud Viewer");
viewer.showCloud(cloud);
while (!viewer.wasStopped()) {
// 保持窗口打开
}
return 0;
}
嗯，这里要注意：CloudViewer 是阻塞式的，它会一直运行直到你关闭窗口。如果你需要在可视化过程中做其他操作，建议用 PCLVisualizer。
2.2 Open3D 可视化基础：后起之秀
Open3D 是后来才火起来的。说实话，我第一次用 Open3D 时还有点抵触，觉得 PCL 够用了。但用了一段时间后，我承认——Open3D 在 Python 生态下确实香。
它的 API 设计更现代，代码更简洁。同样的功能，PCL 可能要写 20 行，Open3D 5 行搞定。
# Python 示例：Open3D 基本可视化
import open3d as o3d
import numpy as np
# 生成随机点云
points = np.random.rand(1000, 3)
pcd = o3d.geometry.PointCloud()
pcd.points = o3d.utility.Vector3dVector(points)
# 可视化
o3d.visualization.draw_geometries([pcd])
你看，就这么几行。Open3D 的 draw_geometries 函数会自动处理窗口、视角、光照。我曾经在项目里用它做快速原型验证，一天能迭代十几个版本。
2.3 点云颜色与渲染：让数据「活」起来
点云默认是灰色的，看起来像一堆铅球。但加上颜色后，信息量瞬间翻倍。颜色可以来自：
- RGB 信息：如果传感器支持彩色（如 RealSense、Kinect），直接映射
- 高度映射：根据 z 值着色，常用于地形分析
- 强度映射：激光雷达返回的反射强度，可用于区分材质
- 分类标签：不同类别用不同颜色，语义分割的标配
我个人最常用的是高度映射。为什么呢？因为地面通常是平的，高度一着色，哪里是坑、哪里是坡，一眼就能看出来。我曾经在户外场景中，用高度映射快速定位了一个排水沟的位置，省了半小时的测量时间。
Open3D 中给点云上色很简单：
# 高度映射着色
import open3d as o3d
import numpy as np
pcd = o3d.io.read_point_cloud("terrain.pcd")
points = np.asarray(pcd.points)
# 根据 z 值计算颜色
z = points[:, 2]
z_min, z_max = z.min(), z.max()
colors = (z - z_min) / (z_max - z_min) # 归一化到 [0, 1]
colors = np.stack([colors, colors, colors], axis=1) # 灰度
# 或者用彩虹色
import matplotlib.cm as cm
colors = cm.jet((z - z_min) / (z_max - z_min))[:, :3] # RGB
pcd.colors = o3d.utility.Vector3dVector(colors)
o3d.visualization.draw_geometries([pcd])
2.4 渲染参数调优
渲染不是「能看见就行」，好的渲染能帮你发现数据中的细微特征。我常用的几个参数：
| 参数 | 说明 | 我的推荐值 |
|---|---|---|
| 点大小 | 点云中每个点的像素大小 | 2-5（稀疏场景用大点） |
| 背景色 | 窗口背景颜色 | 深灰或黑色（对比度高） |
| 光照 | 是否启用光照效果 | 关闭（点云不需要光照） |
| 坐标轴 | 显示坐标系 | 开启（方便定位） |
Open3D 中调整这些参数：
# 渲染参数设置
vis = o3d.visualization.Visualizer()
vis.create_window()
# 添加点云
vis.add_geometry(pcd)
# 获取渲染选项
opt = vis.get_render_option()
opt.point_size = 3.0
opt.background_color = np.array([0.1, 0.1, 0.1]) # 深灰
opt.light_on = False # 关闭光照
# 获取视角控制
ctrl = vis.get_view_control()
ctrl.set_zoom(0.8)
vis.run()
vis.destroy_window()
2.5 本章知识体系
下面这张图，是我自己梳理的点云可视化知识结构。你可以把它当作一个「可视化检查清单」：
这张图把本章内容分成了三大块。左边是 PCL，右边是 Open3D，中间是颜色与渲染。你从哪块开始学都行，但我建议先掌握 Open3D 的基础可视化，因为它上手快、反馈及时。等需要做高性能或嵌入式部署时，再回头啃 PCL。
好了，关于可视化就聊这么多。记住一句话：好的可视化，能让你少走一半弯路。