2、点云数据基础：从文件格式到读写实战
点云数据，说白了就是一堆三维点的集合。但怎么存、怎么读、怎么用，这里头门道不少。我刚开始接触点云时，就被各种文件格式搞得晕头转向——PCD、PLY、LAS、BIN，每个都有自己的脾气。今天咱们就把这些基础打扎实。
2.1 点云数据格式：四种主流格式怎么选？
先说说最常见的四种格式。我个人习惯用PCD做实验，用LAS处理正式项目。为什么？往下看。
2.1.1 PCD格式（Point Cloud Data）
PCL库的亲儿子。结构清晰，读写快。我在项目中遇到过一个问题：PCD文件头部信息不全，导致后续处理报错。嗯，这里要注意——PCD的头部必须包含WIDTH、HEIGHT、POINTS等字段，缺一不可。
# .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 U
COUNT 1 1 1 1
WIDTH 213
HEIGHT 1
VIEWPOINT 0 0 0 1 0 0 0
POINTS 213
DATA ascii2.1.2 PLY格式（Polygon File Format）
PLY的好处是能同时存点云和网格。我建议做三维重建时优先考虑它。但要注意，PLY的二进制版本和ASCII版本读写方式不同，别搞混了。
2.1.3 LAS格式（LASer）
测绘行业的标配。为什么？因为它支持分类、强度、回波数等属性。我记得第一次处理机载LiDAR数据，甲方指定要LAS格式，我临时补了一下午的LAS规范。
2.1.4 BIN格式（Binary）
说白了就是裸数据。KITTI数据集用的就是BIN格式。优点是读写极快，缺点是没有头部信息，你得自己记住数据结构。我一般只在性能敏感的场景用BIN。
| 格式 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| PCD | PCL原生支持，结构清晰 | 文件较大 | 算法开发、实验 |
| PLY | 支持网格+点云 | 解析稍复杂 | 三维重建 |
| LAS | 属性丰富，行业标准 | 库依赖较多 | 测绘、自动驾驶 |
| BIN | 读写极快 | 无头部信息 | 高性能场景 |
2.2 点云数据结构：XYZ、XYZI、XYZRGB
你想想看，一个点除了坐标，还能带什么信息？这取决于你的传感器和应用。
2.2.1 XYZ——最基础的结构
只有三维坐标。够用吗？说实话，大多数场景不够。但做几何处理时，XYZ就够了。
2.2.2 XYZI——带强度
强度值反映了物体对激光的反射能力。我在做路面检测时，就靠强度值区分车道线和沥青路面。强度值一般归一化到0-255或0-65535。
- 高反射：交通标志、车牌
- 中反射：路面、建筑物
- 低反射：树木、沥青
2.2.3 XYZRGB——带颜色
相机和LiDAR融合的结果。颜色信息能帮你做语义分割。我建议用RGB而不是BGR，虽然OpenCV默认是BGR，但PCL和Open3D都用RGB。
2.3 点云属性：坐标、强度、时间戳、环号
一个完整的点，其实包含很多属性。我整理了一下常用的：
- 坐标（x, y, z）：核心属性，单位通常是米
- 强度（intensity）：反射强度，用于分类
- 时间戳（timestamp）：每个点的时间，用于去畸变
- 环号（ring）：激光雷达的线束编号，0-15或0-31
2.4 点云文件读写：PCL、Open3D、Python
三种工具各有千秋。我一般这样选：
- PCL（C++）：性能最好，适合生产环境
- Open3D（Python）：开发效率高，适合快速验证
- Python原生：轻量级，适合简单任务
2.4.1 PCL读写示例
// 读取PCD文件
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
pcl::io::loadPCDFile("input.pcd", *cloud);
// 写入PCD文件
pcl::io::savePCDFileASCII("output.pcd", *cloud);2.4.2 Open3D读写示例
import open3d as o3d
# 读取点云
pcd = o3d.io.read_point_cloud("input.pcd")
print(f"点云点数: {len(pcd.points)}")
# 写入点云
o3d.io.write_point_cloud("output.ply", pcd)laspy。我建议用pip install open3d[las]一次性装好。
2.4.3 Python原生读写BIN
import numpy as np
# 读取KITTI格式的BIN文件
points = np.fromfile("000000.bin", dtype=np.float32).reshape(-1, 4)
xyz = points[:, :3] # 前三列是坐标
intensity = points[:, 3] # 第四列是强度
# 写入BIN文件
points.tofile("output.bin")嗯，这里要注意：BIN文件没有头部，你必须知道每行有几个字段。KITTI是4个字段（x, y, z, intensity），其他数据集可能不同。
2.5 实战建议
最后分享几个我踩过的坑：
- 坐标系问题：不同传感器的坐标系定义不同。LiDAR一般是前x左y上z，但相机是右x下y前z。转换时别搞反了。
- 数据类型：PCL默认用float32，但有些数据集用float64。精度不够会导致坐标偏移。
- 文件大小：一个64线激光雷达一小时的数据，可能超过100GB。我建议用BIN格式存储原始数据，用PCD做中间处理。
好了，点云数据基础就讲到这里。下一章咱们聊聊点云滤波——怎么去掉那些讨厌的噪声点。