python读取las数据.zip

采用python开发平台，对点云Las数据进行读取并三维可视化显示，调用第三方库对每个点建立kd树，实验验证效率较高。

# ========无监督查找最近邻（常在聚类中使用，例如变色龙聚类算法）==========

from sklearn.neighbors import NearestNeighbors
import numpy as np # 快速操作结构数组的工具

X = np.array（[[-1 -1] [-2 -1] [-3 -2] [1 1] [2 1] [3 2]]）  # 样本数据

nbrs = NearestNeighbors（n_neighbors=4 algorithm=‘ball_tree‘）.fit（X）  # 为X生成knn模型
d=X[np.ix_（[0]）]
distances indices = nbrs.kneighbors（d）  # 为test_x中的数据寻找模型中的邻节点
print（‘knn邻节点：‘indices）
print（‘KNN邻节点距离：‘indices[0][1]）

# ==============================使用kd树和Ball树实现无监督查找最近邻========================

# from sklearn.neighbors import KDTreeBallTree
# import numpy as np # 快速操作结构数组的工具
#
# X = np.array（[[-1 -1] [-2 -1] [-3 -2] [1 1] [2 1] [3 2]]）
# # test_x = np.array（[[-3.2 -2.1] [-2.6 -1.3] [1.4 1.0] [3.1 2.6] [2.5 1.0] [-1.2 -1.3]]）  # 设置测试数据
# test_x=X  # 测试数据等于样本数据。这样就相当于在样本数据内部查找每个样本的邻节点了。
# kdt = KDTree（X leaf_size=30 metric=‘euclidean‘）
# distancesindices = kdt.query（test_x k=2 return_distance=True）
# print（‘KDTree邻节点：‘indices）
# print（‘KDTree邻节点距离：‘distances）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-06-09 18:31  python读取las数据\
     文件        1334  2019-06-05 21:44  python读取las数据\knnother.py
     文件     1346389  2018-03-19 11:36  python读取las数据\read.las
     文件         832  2019-06-08 16:22  python读取las数据\readlasfile.py