第1章点云数据基础

1. 点云数据基础：什么是点云、点云数据格式、点云可视化基础

大家好，我是你们的老朋友。今天咱们正式开讲《点云滤波降噪与特征提取实战》的第一章。说实话，每次带新人入门，我都要先问一个问题：你手里拿到的那个「点云」，到底是个什么东西？

很多人觉得点云就是一堆三维坐标，没什么好讲的。嗯，这话对了一半。它确实是一堆坐标，但背后藏着的信息量，比你想象的大得多。我当年刚接触激光雷达时，打开第一个PCD文件，看到满屏的数字，第一反应是「这玩意儿能看出啥？」后来踩了不少坑，才慢慢摸清门道。

1.1 什么是点云

点云，说白了就是三维空间里一群点的集合。每个点通常包含XYZ坐标，有时候还带着颜色、强度、法向量等信息。你可以把它想象成用无数个「像素」拼出来的三维世界。

举个例子。你拿手机拍一张照片，得到的是二维像素阵列。但如果你用激光雷达扫一圈，得到的就是三维点云。每个点都对应着真实物体表面上的一个采样点。

核心概念：点云是三维世界的「数字化快照」。它不连续，但足够密的时候，就能还原出物体的几何形状。

为什么会用到点云？因为很多场景下，相机不够用。比如自动驾驶，纯视觉在黑夜、逆光、雨雾天气下容易翻车。激光雷达就不一样，它主动发射激光，不受光照影响。我在做园区无人车项目时，就遇到过傍晚强逆光导致视觉SLAM直接崩掉的情况，换成激光雷达+点云，稳得很。

1.2 常见的点云数据格式

点云格式五花八门，但最常用的就三种：PCD、PLY、LAS。我一个个说。

1.2.1 PCD格式

PCD是Point Cloud Library（PCL）的亲儿子。它最大的优点是简单、灵活。文件头里写明了点云有多少个点、每个字段是什么类型、数据是二进制还是ASCII。

一个典型的PCD文件长这样：

# .PCD v0.7 - Point Cloud Data file format
VERSION 0.7
FIELDS x y z rgb
SIZE 4 4 4 4
TYPE F F F F
COUNT 1 1 1 1
WIDTH 640
HEIGHT 480
VIEWPOINT 0 0 0 1 0 0 0
POINTS 307200
DATA ascii
0.123 0.456 0.789 4294967295
0.234 0.567 0.890 4278190335
...

我个人习惯用PCD做中间格式。因为它读写快，而且PCL原生支持，调试起来特别方便。但要注意，PCD的二进制版本和ASCII版本混用时会出问题——我曾经因为没注意DATA字段写成了ascii，结果程序读二进制流，直接崩了半小时才找到原因。

1.2.2 PLY格式

PLY（Polygon File Format）是图形学领域的常客。它比PCD多了一个优势：可以存储多边形网格信息。也就是说，你不仅有点，还能存三角面片。

PLY的文件结构分两部分：头部和数据。头部定义属性，数据部分逐点或逐面填写。

ply
format ascii 1.0
element vertex 8
property float x
property float y
property float z
property uchar red
property uchar green
property uchar blue
element face 6
property list uchar int vertex_indices
end_header
0 0 0 255 0 0
1 0 0 0 255 0
...

如果你做三维重建，最后输出模型时，PLY是首选。我做过一个古建筑扫描项目，甲方要求交付PLY格式，因为他们的建模软件只认这个。

1.2.3 LAS格式

LAS是测绘和遥感领域的标准格式。它由美国摄影测量与遥感学会（ASPRS）制定。LAS格式最大的特点是：分类信息。每个点可以标记为地面、植被、建筑、水体等。

LAS文件是二进制的，不能直接文本打开。但它的头部信息非常丰富，包含坐标参考系、点记录格式、飞行轨迹等元数据。

格式	主要应用领域	是否支持颜色	是否支持分类	是否支持网格
PCD	机器人、SLAM	是	否	否
PLY	计算机图形学、三维重建	是	否	是
LAS	测绘、遥感、林业	是（部分版本）	是	否

我的建议：做SLAM和机器人，优先用PCD。做三维重建和渲染，用PLY。做测绘和地理信息，用LAS。别混用，格式转换会损失精度。

1.3 点云可视化基础

光看数字没意思，得把点云画出来。可视化是调试点云算法的第一步。我见过太多人算法写完了，一可视化发现点云都是歪的——坐标系搞反了。

1.3.1 用Open3D可视化

Open3D是我现在最常用的工具。它轻量、Python友好、API设计得也合理。装好之后，几行代码就能看点云。

import open3d as o3d

# 读取点云
pcd = o3d.io.read_point_cloud("example.pcd")

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

就这么简单。你运行后会弹出一个窗口，可以用鼠标拖拽旋转、滚轮缩放。Open3D默认会给点云上色，如果没有颜色信息，就显示成灰色。

如果你想加点花样，比如显示坐标轴、调整点的大小：

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

# 添加点云
vis.add_geometry(pcd)

# 设置渲染选项
opt = vis.get_render_option()
opt.point_size = 2.0  # 点的大小
opt.background_color = [0, 0, 0]  # 黑色背景

# 显示坐标轴
vis.add_geometry(o3d.geometry.TriangleMesh.create_coordinate_frame())

vis.run()
vis.destroy_window()

注意：Open3D的坐标系是右手系，X向右，Y向上，Z朝向自己。如果你从其他软件导出的点云看着是歪的，先检查坐标系。

1.3.2 用PCL可视化

PCL是C++的经典库，虽然学习曲线陡一点，但功能极其强大。PCL的可视化模块叫pcl::visualization。

#include <pcl/io/pcd_io.h>
#include <pcl/visualization/pcl_visualizer.h>

int main() {
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    pcl::io::loadPCDFile("example.pcd", *cloud);

    pcl::visualization::PCLVisualizer viewer("点云可视化");
    viewer.addPointCloud(cloud, "cloud");
    viewer.setBackgroundColor(0, 0, 0);
    viewer.addCoordinateSystem(1.0);

    while (!viewer.wasStopped()) {
        viewer.spinOnce();
    }
    return 0;
}

PCL的PCLVisualizer支持键盘回调、鼠标拾取、点云着色等高级功能。我在做点云配准时，经常用它来手动选取对应点。

1.3.3 可视化时的常见坑

嗯，这里要重点说一下。可视化看起来简单，但坑不少。

点太多会卡死：几百万个点全画出来，你的显卡会哭。建议先下采样再可视化。
颜色显示不对：RGB字段的顺序可能是BGR，也可能是RGB。Open3D默认是RGB，但有些传感器给的是BGR。
深度错觉：没有颜色信息时，纯几何点云很难判断远近。可以加颜色映射，按Z值着色。

我曾经在调试一个激光雷达数据时，怎么都看不出点云的形状。后来发现是点云里混了大量NaN值，可视化时这些点被渲染到了原点，把整个画面搅乱了。所以，可视化之前，先做一步滤波，把无效点去掉。

1.4 本章知识体系

下面这张图总结了本章的核心内容，帮你快速建立知识框架：

这张图把本章的三个核心模块串起来了。你想想看，从理解点云是什么，到掌握三种主流格式，再到学会用工具把它画出来，这就是你入门点云处理的第一步。

课后小练习：去网上下一个PCD格式的点云文件（比如斯坦福兔子的点云），用Open3D读进来，试着改改点的大小和背景颜色。看看你能不能一眼看出兔子的耳朵在哪。

好了，第一章就到这里。内容不多，但都是基础中的基础。下一章我们会深入点云滤波，聊聊怎么把噪声去掉、把地面分离出来。到时候见。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录

1. 点云数据基础：什么是点云、点云数据格式、点云可视化基础

1.1 什么是点云

1.2 常见的点云数据格式

1.2.1 PCD格式

1.2.2 PLY格式

1.2.3 LAS格式

1.3 点云可视化基础

1.3.1 用Open3D可视化

1.3.2 用PCL可视化

1.3.3 可视化时的常见坑

1.4 本章知识体系