点云结构和输出格式

有序点云

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

Zivid相机使用2.3MP (Zivid One+:1920 x 1200,Zivid Two:1944 x 1200) 来捕获场景的点云。

有多种方法可以从SDK获取分辨率。

跳转到源

source

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;

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值分别存储在单独的2D数组中, 存储Zivid One+数据的数组大小为 1920 x 1200,Zivid Two为 1944 x 1200。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。查 看 点云教程 了解详细解释。

结构点云

颜色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)。也可配置为导出有序的点数据,有关如何将PCD导出为有序点的教程,请参阅 结构PCD格式

Zivid Studio 导出选项

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#PythonMATLAB 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 。 Learn more about PCD

结构PCD格式

Zivid SDK将数据可以存储有序点云,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。

  1. 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
    
  2. 将配置文件放在以下目录中:

    mkdir %LOCALAPPDATA%\Zivid\API
    move %HOMEPATH%\Downloads\Config.yml %LOCALAPPDATA%\Zivid\API\
    
    mkdir --parents "${XDG_CONFIG_HOME-$HOME/.config}"/Zivid/API
    mv ~/Downloads/Config.yml "${XDG_CONFIG_HOME-$HOME/.config}"/Zivid/API/
    

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)。