python_点云的地面分割，以及非点云数据的聚类，并且进行可视化.rar

python_三维激光点云的地面分割，以及非地面点云数据的聚类，并且进行可视化。以某条道路区域的点云数据为样本进行测试，文件中包含有测试数据，以及代码运行聚类的效果图。

# 文件功能：
#     1. 从数据集中加载点云数据
#     2. 从点云数据中滤除地面点云
#     3. 从剩余的点云中提取聚类

import numpy as np
import os
import struct
from sklearn import cluster datasets mixture
from itertools import cycle islice
import matplotlib.pyplot as plt
from RANSAC import *
import open3d as o3d
import open3d
from pyntcloud import PyntCloud
from pandas import Dataframe
import sklearn.cluster
from DBSCAN import *
from mpl_toolkits.mplot3d import Axes3D

# 功能：从kitti的.bin格式点云文件中读取点云
# 输入：
#     path: 文件路径
# 输出：
#     点云数组
def read_velodyne_bin（path）:
    ‘‘‘
    :param path:
    :return: homography matrix of the point cloud N*3
    ‘‘‘
    pc_list = []
    with open（path ‘rb‘） as f:
        content = f.read（）
        pc_iter = struct.iter_unpack（‘ffff‘ content）
        for idx point in enumerate（pc_iter）:
            pc_list.append（[point[0] point[1] point[2]]）
    return np.asarray（pc_list dtype=np.float32）

# 功能：从点云文件中滤除地面点
# 输入：
#     data: 一帧完整点云
# 输出：
#     segmengted_cloud: 删除地面点之后的点云
def ground_segmentation（data）:
    # 作业1
    # 屏蔽开始
    #调用实现的RANSAC方法，详见另一个RANSAC.py
    planeids = PlaneRANSAC（data0.35）
    segmengted_cloud = data[planeids]#由上一步得到的地面点的索引进行取值

    # 屏蔽结束

    print（‘origin data points num:‘ data.shape[0]）
    print（‘segmented data points num:‘ segmengted_cloud.shape[0]）
    return segmengted_cloudplaneids


# 功能：从点云中提取聚类
# 输入：
#     data: 点云（滤除地面后的点云）
# 输出：
#     clusters_index： 一维数组，存储的是点云中每个点所属的聚类编号（参考上一章内容容易理解）
def clustering（data）:
    # 作业2
    # 屏蔽开始
    #使用sklearn中的聚类
    Css = sklearn.cluster.DBSCAN（eps=0.50 min_samples=4）.fit（data）
    clusters_index = np.array（Css.labels_）

    #使用自己实现的聚类
    # clusters_index = DBSCAN（data0.5100）
    # 屏蔽结束

    return clusters_index

# 功能：显示聚类点云，每个聚类一种颜色
# 输入：
#      data：点云数据（滤除地面后的点云）
#      cluster_index：一维数组，存储的是点云中每个点所属的聚类编号（与上同）
def plot_clusters（data cluster_index）:
    ax = plt.figure（）.add_subplot（111 projection = ‘3d‘）
    colors = np.array（list（islice（cycle（[‘#377eb8‘ ‘#ff7f00‘ ‘#4daf4a‘
                                             ‘#f781bf‘ ‘#a65628‘ ‘#984ea3‘
                                             ‘#999999‘ ‘#e41a1c‘ ‘#dede00‘]）
                                      int（max（cluster_index） + 1））））
    colors = np.append（colors [“#000000“]）
    ax.scatter（data[: 0] data[: 1] data[: 2] s=2 color=colors[cluster_index]）
    plt.show（）

def main（）:
    root_dir = ‘./data/‘ # 数据集路径
    cat = os.listdir（root_dir）
    cat = cat[1:]
    # iteration_num = len（cat）
    iteration_num = 1
    for i in range（iteration_num）:
        filename = os.path.join（root_dir cat[i]）
        print（‘clustering pointcloud file:‘ filename）

        origin_points = read_velodyne_bin（filename）
        segmented_pointsplaneids = ground_segmentation（data=origin_points）
        planepcd = o3d.geometry.PointCloud（）
        planepcd.points = o3d.utility.Vector3dVector（segmented_points）

        c = [0 0 255]
        cs = np.tile（c （segmented_points.shape[0] 1））
        planepcd.color

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件        174  2020-06-15 13:30  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\.idea\inspectionProfiles\profiles_settings.xml

     文件        294  2020-06-15 13:30  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\.idea\misc.xml

     文件        429  2020-06-15 13:30  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\.idea\modules.xml

     文件        291  2020-06-15 13:30  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\.idea\python_点云的地面分割，以及非点云数据的聚类，并且进行可视化.iml

     文件      13701  2020-07-18 17:09  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\.idea\workspace.xml

     文件       5259  2020-06-27 13:08  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\pointcloud-master\clustering.py

    .......   2010160  2020-05-10 17:08  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\pointcloud-master\data\000000.bin

    .......   1953744  2020-05-10 17:08  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\pointcloud-master\data\000001.bin

    .......   1849664  2020-05-10 17:08  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\pointcloud-master\data\000002.bin

    .......   1948720  2020-05-10 17:08  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\pointcloud-master\data\000003.bin

    .......   1993024  2020-05-10 17:08  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\pointcloud-master\data\000004.bin

    .......   1756368  2020-05-10 17:08  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\pointcloud-master\data\000005.bin

    .......      2350  2020-05-10 17:08  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\pointcloud-master\DBSCAN.py

    .......      2354  2020-05-10 17:08  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\pointcloud-master\RANSAC.py

    .......        94  2020-05-10 17:08  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\pointcloud-master\README.md

    .......      2586  2020-05-10 17:08  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\pointcloud-master\__pycache__\DBSCAN.cpython-36.pyc

     文件       2639  2020-06-16 13:54  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\pointcloud-master\__pycache__\DBSCAN.cpython-37.pyc

    .......      1959  2020-05-10 17:08  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\pointcloud-master\__pycache__\RANSAC.cpython-36.pyc

     文件       2032  2020-06-16 13:54  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\pointcloud-master\__pycache__\RANSAC.cpython-37.pyc

    .......    385014  2020-05-10 17:08  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\pointcloud-master\可视化结果.pptx

     目录          0  2020-06-15 13:30  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\.idea\inspectionProfiles

     目录          0  2020-05-10 17:08  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\pointcloud-master\data

     目录          0  2020-06-16 13:54  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\pointcloud-master\__pycache__

     目录          0  2020-07-18 17:09  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\.idea

     目录          0  2020-07-18 16:37  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化\pointcloud-master

     目录          0  2020-06-15 13:30  python_点云的地面分割，以及非点云数据的聚类，并且进行可视化

----------- ---------  ---------- -----  ----

             11930856                    26