File size: 4,906 Bytes
912d6b5 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 | import numpy as np
from plyfile import PlyData
import open3d as o3d
import matplotlib.pyplot as plt
def read_custom_ply(filepath):
"""
第一步：读取包含自定义 label 和 instance_id 的 PLY 文件
"""
print(f"正在读取文件: {filepath}")
with open(filepath, 'rb') as f:
plydata = PlyData.read(f)
vertex_data = plydata['vertex'].data
# 提取各个字段
x = vertex_data['x']
y = vertex_data['y']
z = vertex_data['z']
r = vertex_data['red']
g = vertex_data['green']
b = vertex_data['blue']
label = vertex_data['label']
instance = vertex_data['instance_id']
# 拼装回 N x 8 的矩阵
voxel_pc = np.vstack((x, y, z, r, g, b, label, instance)).T
return voxel_pc
def verify_data_stats(voxel_pc):
"""
第二步：打印统计信息，从数据层面验证
"""
print("\n--- 数据层面验证 ---")
print(f"1. 数据形状 (Shape): {voxel_pc.shape} -> 代表有 {voxel_pc.shape[0]} 个体素点，{voxel_pc.shape[1]} 个特征通道")
# 验证坐标是否被离散化（体素化的核心特征）
xyz = voxel_pc[:, 0:3]
print(f"2. 坐标范围 (X, Y, Z Min-Max):")
print(f" X: {np.min(xyz[:,0]):.2f} 到 {np.max(xyz[:,0]):.2f}")
print(f" Y: {np.min(xyz[:,1]):.2f} 到 {np.max(xyz[:,1]):.2f}")
print(f" Z: {np.min(xyz[:,2]):.2f} 到 {np.max(xyz[:,2]):.2f}")
# 如果你使用了 np.floor 或者 ME.utils.sparse_quantize，
# 检查坐标是否有小数。如果全都是整数，说明体素化成功了！
is_integer_coords = np.all(xyz == np.floor(xyz))
print(f"3. 坐标是否全部为离散整数?: {'✅ 是 (体素化成功)' if is_integer_coords else '❌ 否 (可能未量化)'}")
# 验证标签和实例
unique_labels = np.unique(voxel_pc[:, 6])
unique_instances = np.unique(voxel_pc[:, 7])
print(f"4. 包含的独特语义类别 (Labels) 数量: {len(unique_labels)} 种")
print(f" 具体 Labels ID: {unique_labels}")
print(f"5. 包含的独立物体实例 (Instances) 数量: {len(unique_instances)} 个")
def visualize_voxel_pointcloud(voxel_pc):
"""
第三步：使用 Open3D 进行视觉验证
"""
print("\n--- 可视化验证 ---")
print("正在打开 3D 窗口...")
xyz = voxel_pc[:, 0:3]
# Open3D 的颜色需要归一化到 [0, 1] 区间
rgb = voxel_pc[:, 3:6] / 255.0
labels = voxel_pc[:, 6]
# 创建 Open3D 点云对象
pcd = o3d.geometry.PointCloud()
pcd.points = o3d.utility.Vector3dVector(xyz)
# ---------------------------------------------------------
# 视图 1：真实色彩 (RGB)
# ---------------------------------------------------------
pcd.colors = o3d.utility.Vector3dVector(rgb)
print("展示视图 1：RGB 真实色彩。你可以用鼠标拖拽旋转，滚轮缩放。")
print("（请关闭弹出的 3D 窗口以继续下一步...）")
# 创建一个坐标系辅助理解方向
axes = o3d.geometry.TriangleMesh.create_coordinate_frame(size=2.0, origin=[0, 0, 0])
o3d.visualization.draw_geometries([pcd, axes], window_name="视图 1: Voxel RGB Colors")
# ---------------------------------------------------------
# 视图 2：语义标签伪彩色 (Semantic Labels)
# ---------------------------------------------------------
# 使用 matplotlib 生成区分度高的伪彩色图，为每个 label 分配一个随机颜色
max_label = int(np.max(labels))
cmap = plt.get_cmap("tab20") # tab20 包含 20 种高对比度颜色
# 将 label 映射为颜色
label_colors = np.zeros_like(rgb)
for i in range(len(labels)):
# 背景/未标记点（通常是 0）设为灰色，其他分配彩色
if labels[i] == 0:
label_colors[i] = [0.5, 0.5, 0.5]
else:
# 归一化 label 以获取 colormap 颜色
color_idx = (labels[i] % 20) / 20.0
label_colors[i] = cmap(color_idx)[:3]
pcd.colors = o3d.utility.Vector3dVector(label_colors)
print("展示视图 2：语义标签伪彩色。同一种颜色的点代表同一种类别的物体（如全是椅子）。")
print("（请关闭弹出的 3D 窗口以退出程序...）")
o3d.visualization.draw_geometries([pcd, axes], window_name="视图 2: Semantic Labels")
if __name__ == '__main__':
# 替换为你实际生成的 voxel_ply 文件路径
test_file_path = "data/processed_data/ScanNet/point_cloud/train/scene0000_00_voxel_0.1.ply"
try:
# 1. 读取
voxel_data = read_custom_ply(test_file_path)
# 2. 打印统计信息
verify_data_stats(voxel_data)
# 3. 渲染可视化
visualize_voxel_pointcloud(voxel_data)
except FileNotFoundError:
print(f"错误：找不到文件 {test_file_path}。请检查路径是否正确。") |