点云结构和输出格式

结构点云 

Zivid输出的是结构点云，这意味着点云被放置为类似于图像结构的2D点阵列。无结构点云通常被存储在一个一维数组中的点列表中。以上两种情况下每个点均包含了XYZ数据以及RGB值。

这种结构有几个优点。

为无结构点云设计的算法也可以用于结构点云，因为2D数组可以看做1D数组。而相反情况并不总是正确的。

有序点云在2D图像（颜色和深度）中的像素与点云中的3D点之间具有1：1的相关性。这意味着图像中的相邻像素是点云中的相邻点。这使得2D操作和算法能够应用于2D图像，而结果可以直接应用于点云。例如，对物体的检测和分割，可以分割2D图像并直接从所需像素中提取3D点。

点的有序性加快了计算并降低了某些算法的消耗，尤其是使用相邻点的操作。

Zivid点云 

不同型号的Zivid相机使用了具有不同分辨率的传感器来捕获场景的点云。

相机	百万像素 (MP)	分辨率
Zivid 2+	5	2448 x 2048
Zivid 2	2.3	1944 x 1200

有多种方法可以从SDK获取分辨率信息。

C++

const auto cameraInfo = camera.info();

auto defaultSettings = Zivid::Experimental::SettingsInfo::defaultValue<Zivid::Settings>(cameraInfo);
defaultSettings.acquisitions().emplaceBack(
    Zivid::Experimental::SettingsInfo::defaultValue<Zivid::Settings::Acquisition>(cameraInfo));

std::cout << "Camera resolution for default settings:" << std::endl;
const auto resolution = Zivid::Experimental::SettingsInfo::resolution(cameraInfo, defaultSettings);
std::cout << "Height: " << resolution.height() << std::endl;
std::cout << "Width: " << resolution.width() << std::endl;

std::cout << "Point cloud (GPU memory) resolution:" << std::endl;
const auto pointCloud = camera.capture(defaultSettings).pointCloud();
std::cout << "Height: " << pointCloud.height() << std::endl;
std::cout << "Width: " << pointCloud.width() << std::endl;

std::cout << "Point cloud (CPU memory) resolution:" << std::endl;
const auto data = pointCloud.copyPointsXYZColorsRGBA();
std::cout << "Height: " << data.height() << std::endl;
std::cout << "Width: " << data.width() << std::endl;

Zivid 2+

生成的点云由500万个点组成。由于像素和点之间存在1:1的相关性，因此可以获得每个像素的 XYZ（mm）、RGB（8 位）和SNR，其中SNR是信噪比。在GPU内部，3D坐标、颜色值和SNR值分别被存储为大小为 2448 x 2048 的单独二维数组。在用户端（CPU内存），数据可以以不同的格式存储，具体取决于请求的方式。请参阅点云教程了解相关详细说明。

Zivid 2

生成的点云由230万个点组成。由于像素和点之间存在1:1的相关性，因此可以获得每个像素的 XYZ（mm）、RGB（8 位）和SNR，其中SNR是信噪比。在GPU内部，3D坐标、颜色值和SNR值分别被存储为大小为 1944 x 1200 的单独二维数组。在用户端（CPU内存），数据可以以不同的格式存储，具体取决于请求的方式。请参阅点云教程了解相关详细说明。

颜色图像和深度图像可以直接从Zivid点云中提取。您可以从 GitHub repository 中找到相关示例。

Zivid输出格式 

在ZividStudio中，您可以将点云保存在Zivid数据文件（*.zdf）中。此外，您也可以将点云导出（File → Export）为以下格式：

PLY file - Unordered points (*.ply)

PLY file - Ordered points (*.ply)

ASCII points (*.xyz)

Point Cloud Data File - Unordered points (*.pcd)。也可配置成存储为有序的点数据，有关如何将PCD导出为有序点的教程，请参阅结构PCD格式。

Zivid数据文件 (*.zdf) 是原生的Zivid文件格式。如果您使用API，您可以遍历点云并以您喜欢的任何格式保存X、Y、Z、R、G、B和SNR数据。查看我们的示例来了解如何使用 C++ 、 C# 、 Python 和 MATLAB 读取或转换Zivid数据。

小技巧

查看Zivid点云的最简单方法是将ZDF文件复制到您的PC上，并使用 Zivid Studio 来查看点云。或者您也可以使用API将ZDF转换为PLY（或使用我们的 Python script ），然后使用3D查看器来勘察，例如 MeshLab 或者 CloudCompare。

ASCII points (*.xyz)

ASCII字符用于存储笛卡尔坐标。 XYZ用空格隔开。在我们的版本中，还为每个点添加了RGB值。每个新点都用换行符隔开。该文件可以在常规文本编辑器中查看。

PLY file (*.ply)

PLY是斯坦福大学开发的一种文件格式。 Learn more about PLY。

Point Cloud Data file (*.pcd)

PCD是点云库的原生文件格式。了解更多关于PCD的内容。

Zivid SDK 存储有序点云，并带有指示无序点云的标头。从 SDK 2.5 开始，可以使用 Config.yml 文件配置 SDK，以使用指示有序点云的正确标头导出 PCD。n” “Zivid SDK 可以存储有序点云，其包含了一个指示无序点云的头文件。从SDK 2.5开始，用户可以使用 Config.yml 文件来配置SDK，以导出带有指示有序点云的正确头文件的 PCD。如果该配置文件已存在并且位于 %LOCALAPPDATA%\Zivid\API （Windows）或 "${XDG_CONFIG_HOME-$HOME/.config}"/Zivid/API （Ubuntu），请更新 Configuration/APIBreakingBugFixes/FileFormats/PCD/UseOrganizedFormat 。

如果文件不存在：

下载 Config.yml 文件。

配置文件包含以下信息：

__version__:
    serializer: 1
    data: 12
Configuration:
    APIBreakingBugFixes:
        FileFormats:
            PCD:
                UseOrganizedFormat: yes

将配置文件放在以下目录中：

Windows

mkdir %LOCALAPPDATA%\Zivid\API
move %HOMEPATH%\Downloads\Config.yml %LOCALAPPDATA%\Zivid\API\

Ubuntu

mkdir --parents "${XDG_CONFIG_HOME-$HOME/.config}"/Zivid/API
mv ~/Downloads/Config.yml "${XDG_CONFIG_HOME-$HOME/.config}"/Zivid/API/

小心

任何现有的配置文件都将被覆盖。

提示

此解决方法也适用于从Zivid Studio导出PCD。

小心

Zivid配置文件必须使用.yml文件扩展名（而不是.yaml）。

点云结构和输出格式

结构点云

Zivid点云

Zivid输出格式