目录
- 1 为什么要写这个博文
- 2 提出一些关键问题
- 3 给出全部代码
- 安装依赖
- 源码（laspy v2.x）
1 为什么要写这个博文
搜索使用python读写las点云数据，可以找到很多结果。但是！ 有些只是简单的demo，且没有发现/说明可能遇到的问题；有些晦涩难懂，不够实用主义；有些须付费观看，没有开源精神。
本人在使用laspy v2.3读写点云文件时，着实被坐标精度问题难到了，顺便就仔细学习了下las格式到底是什么来头。
您猜怎么着，如果能打开这个网址，都在这里面详细说明了：laspy document
我还是种个树吧，直接拔了就能用。文末贴源码。
2 提出一些关键问题
-
注意：
* 实测版本 laspy v2.3，2.x版本应该都可用，但不适合1.x版本。
* las 存储数据时，需要设置 scales 和 offsets，否则会出现精度问题。
* las 存储颜色时，数值类型为 16 位无符号整型。rgb = (normal_rgb * 65535).astype(np.uint16) -
las 格式原生支持的属性字段，与las版本密切相关。官方说明：https://laspy.readthedocs.io/en/latest/intro.html#point-records
-
对 scales 和 offsets 的理解：
比例scales表明数据的准确性。 0.001 是毫米精度。这意味着如果您的坐标是 0.123456，它将被限制为 0.123。
偏移offset的目的是避免整数溢出。假设您要存储 123456789.123。在 LAS 文件中，您实际上将存储一个整数：123456789123，该整数将在读取时使用比例因子转换为 123456789.123。但 123456789123 比 32 位整数所能存储的要大得多。因此存储时，将该值偏移 123450000，实际存的是6789123。
(6789123 * 0.001 + 123450000 = 123456789.123)
段落出处
3 给出全部代码
安装依赖
使用 pip （# 选择一个安装就好）：
# Install _without_ LAZ support
pip install laspy
# Install with LAZ support via lazrs
pip install laspy[lazrs]
# Install with LAZ support via laszip
pip install laspy[laszip]
# Install with LAZ support via both lazrs & laszip
pip install laspy[lazrs,laszip]
使用 conda （# 选择一个安装就好）：
conda install -c conda-forge laspy
conda install -c conda-forge lazrs-python
源码（laspy v2.x）
三个工具函数：
read_las_fit() : 读取 las 文件
write_las_fit(): 保存 las 文件
get_las_header_attrs() : 获取不同 las 版本支持的固有属性
备注：_fit 的意思是，可以支持各种属性信息的读取和写入
import laspy
import numpy as np
def read_las_fit(filename, attrs=None):
"""
读取 las 文件，获取三维坐标 xyz, 颜色 rgb, 属性 attr_dict。当文件没有 RGB 信息时，返回全0的 RGB 信息
Args:
filename: <str> las 文件路径
attrs: <list> 需要额外获取的属性信息 如 ['label']
Returns:
xyz, rgb, attr_dict
"""
if attrs is None:
attrs = []
# 默认返回 scales, offsets ，合并 ["scales", "offsets"]
attrs = list(set(attrs + ["scales", "offsets"]))
# 读取点云
inFile = laspy.read(filename)
# inFile.point_format.dimensions可以获取所有的维度信息
N_points = len(inFile)
x = np.reshape(inFile.x, (N_points, 1))
y = np.reshape(inFile.y, (N_points, 1))
z = np.reshape(inFile.z, (N_points, 1))
xyz = np.hstack((x, y, z))
# TODO 注意。如果是大写的 X Y Z，需要转换后才是真实坐标: real_x = scale[0] * inFile.X + offset[0]
# 初始化 rgb 全是 0
rgb = np.zeros((N_points, 3), dtype=np.uint16)
if hasattr(inFile, "red") and hasattr(inFile, "green") and hasattr(inFile, "blue"):
r = np.reshape(inFile.red, (N_points, 1))
g = np.reshape(inFile.green, (N_points, 1))
b = np.reshape(inFile.blue, (N_points, 1))
# i = np.reshape(inFile.Reflectance, (N_points, 1))
rgb = np.hstack((r, g, b))
else:
print(f"注意：{filename.split('/')[-1]} 没有RGB信息，返回全0的RGB信息！")
# 组织其他属性信息
attr_dict = {}
for attr in attrs:
# 先判断 header 中是否有该属性
if hasattr(inFile.header, attr):
value = getattr(inFile.header, attr)
if hasattr(value, "array"):
attr_dict[attr] = np.array(value)
else:
attr_dict[attr] = value
# 再判断 是否为额外属性
elif hasattr(inFile, attr):
value = getattr(inFile, attr)
if hasattr(value, "array"):
attr_dict[attr] = np.array(value)
else:
attr_dict[attr] = value
else:
attr_dict[attr] = None
print(f"注意：{filename.split('/')[-1]} 没有属性 {attr} 信息！")
return xyz, rgb, attr_dict
def write_las_fit(out_file, xyz, rgb=None, attrs=None):
"""
将点云数据写入 las 文件，支持写入 坐标xyz, 颜色rgb, 属性attrs
Args:
out_file: 输出文件路径
xyz: 点云坐标 ndarray (N, 3)
rgb: 点云颜色 ndarray (N, 3)
attrs:
固有属性：file_source_id, gps_time, Intensity, Number of Returns, ....
额外属性：label, pred, ...
注意：如果不传入 scales 和 offsets，则会自动计算
Returns:
"""
if attrs is None:
attrs = {}
# 1. 创建 las 文件头。point_format和version决定了las支持哪些固有属性
# 详情见 https://pylas.readthedocs.io/en/latest/intro.html?highlight=red#point-records
header = laspy.LasHeader(point_format=7, version="1.4") # 7 支持rgb
# 自动计算 scales 和 offsets，确保坐标精度无损
# https://stackoverflow.com/questions/77308057/conversion-accuracy-issues-of-e57-to-las-in-python-using-pye57-and-laspy
if "offset" not in attrs:
min_offset = np.floor(np.min(xyz, axis=0))
attrs["offset"] = min_offset
if "scales" not in attrs:
attrs["scales"] = [0.001, 0.001, 0.001] # 0.001 是毫米精度
# 初始化一些需要保存的属性值。如果是固有属性，直接赋值; 如果是额外属性，添加到 header 中, 后续赋值
extra_attr = []
for attr, value in attrs.items():
if hasattr(header, attr): # 设置固有的属性的值, 如 scales, offsets
header.__setattr__(attr, value)
else: # 添加额外属性，在 las 初始化后赋值
header.add_extra_dim(laspy.ExtraBytesParams(name=attr, type=np.float32))
extra_attr.append(attr)
# 2. 创建 las 文件
las = laspy.LasData(header)
# 添加xyz坐标
las.x = xyz[:, 0]
las.y = xyz[:, 1]
las.z = xyz[:, 2]
# 添加RGB颜色，如果是归一化的颜色，则需要乘以 65535，转为 uint16
if rgb is not None:
if np.max(rgb) <= 1:
rgb = (rgb * 65535).astype(np.uint16) # 65535 = 2^16 - 1, las存储颜色是16位无符号整型
las.red = rgb[:, 0]
las.green = rgb[:, 1]
las.blue = rgb[:, 2]
# 添加额外属性
for attr in extra_attr:
# 当 value 是 n * 1 的 ndarray 时，转换为 1 维数组
value = attrs[attr]
if value.ndim == 2 and value.shape[1] == 1:
value = value.flatten()
las[attr] = value
# 保存LAS文件
las.write(out_file)
def get_las_header_attrs(point_format=7, version="1.4"):
"""
根据 point_format 和 version 获取 las 文件的 header 属性
说明文档：https://laspy.readthedocs.io/en/latest/intro.html#point-records
Args:
point_format: 点格式
version: 版本
Returns:
"""
dimensions = []
header = laspy.LasHeader(point_format=point_format, version=version) # 7 支持rgb
for dim in header.point_format.dimensions:
dimensions.append(dim.name)
return dimensions
if __name__ == '__main__':
# 测试1： 获取 las 文件头属性
fields = get_las_header_attrs(7, "1.4")
print(f"point_format=7, version=1.4, 头文件包含字段： {fields}")
# 测试2： 读取LAS文件
read_las_path = "/path_2_data/one_point_cloud.las"
xyz_, rgb_, attrs_ = read_las_fit(read_las_path, ["scales", "offsets"])
print(attrs_)
# 测试3： 写入LAS文件
save_las_path = "/path_2_data/one_point_cloud_fit.las"
write_las_fit(save_las_path, xyz_, rgb_, {
# "scales": attrs_["scales"],
# "offsets": attrs_["offsets"]
})
![[机器学习系列]深入探索回归决策树：从参数选择到模型可视化](https://img-blog.csdnimg.cn/direct/9df745e515bf470a80af295fad4105a2.png)
![【Linux】-Linux用户和权限[3]](https://img-blog.csdnimg.cn/direct/7c50269125da44a2a0a53ce32467b50f.png)
