如何解决如何有效地将一个点云的属性分配给另一个点云?
我有两个基本相同的点云(X,Y,Z,强度),但其中一个是网格化的(因此点数较少),并且具有附加的属性“分类”。我的目标是根据位置推断分类。
假设点云A(代码段中的pc_dst
)具有6.000.000点,其X,Y,Z,强度为。 Pointcloud B(代码段中的pc_src
)具有50.000点,具有X,Y,Z,强度,分类。
我的想法是获取A的每个点,在B中查找具有最大距离的所有点,获取其分类(最频繁的值),然后将此分类分配给A的点。
我已经有一个这样的功能:
def getclass(p_dst,pc_src,rad = 0.2):
'''
pc_src = coarse pointcloud with classification
p_dst = point from dense pointcloud with no classification
'''
return np.bincount(list(pc_src[pow(pc_src[:,0]-p_dst[0],2) + pow(pc_src[:,1]-p_dst[1],2]-p_dst[2],2) < pow(rad,2),4])).argmax()
在那之后,我尝试循环:
for i in tqdm.tqdm(inputs):
pc_dst[i,4] = getclass(pc_dst[i,:],pc_src)
但这太慢了。 有人可以帮我找到性能合理的解决方案吗?
--->编辑:一些示例数据(如有必要,我可以分享更多信息)
Pointcloud A:
//X Y Z Intensity
5427.71386719 -6327.11523438 506.64389038 203.000000
5427.84130859 -6326.99609375 506.62570190 225.000000
5427.84863281 -6326.98876953 506.61660767 235.000000
5427.85058594 -6326.98681641 506.60430908 242.000000
5427.86572266 -6326.97265625 506.59909058 236.000000
5427.88574219 -6326.95410156 506.59271240 233.000000
5428.60937500 -6326.26416016 506.04458618 246.000000
5428.61132813 -6326.26171875 506.03640747 239.000000
5428.60791016 -6326.26464844 506.02410889 216.000000
5428.63134766 -6326.24218750 506.00170898 202.000000
5428.66015625 -6326.21582031 506.00579834 212.000000
5428.67675781 -6326.20019531 506.00299072 134.000000
5427.76416016 -6327.14990234 506.66101074 196.000000
5427.78662109 -6327.12890625 506.65771484 202.000000
5427.80712891 -6327.10937500 506.65109253 207.000000
5427.82177734 -6327.09570313 506.64410400 214.000000
5427.83398438 -6327.08398438 506.63629150 224.000000
5427.84277344 -6327.07568359 506.62750244 227.000000
5427.84570313 -6327.07226563 506.61849976 229.000000
5427.85449219 -6327.06396484 506.60830688 233.000000
5427.86669922 -6327.05224609 506.60079956 232.000000
5427.87939453 -6327.04052734 506.59341431 237.000000
5427.89160156 -6327.02880859 506.58441162 237.000000
5427.90332031 -6327.01757813 506.57958984 236.000000
5427.92138672 -6327.00097656 506.57260132 221.000000
5427.94970703 -6326.97460938 506.57049561 191.000000
5427.97656250 -6326.94970703 506.56799316 198.000000
5427.99218750 -6326.93457031 506.56039429 223.000000
5427.99462891 -6326.93212891 506.55139160 233.000000
Pointcloud B:
//X Y Z Intensity Classification
5427.70019531 -6327.10009766 506.60000610 238.000000 2.000000
5427.70019531 -6327.00000000 506.60000610 229.000000 2.000000
5427.70019531 -6326.79980469 506.50000000 245.000000 2.000000
5427.79980469 -6327.39990234 506.50000000 249.000000 2.000000
5427.79980469 -6327.39990234 506.60000610 214.000000 2.000000
5427.79980469 -6327.29980469 506.60000610 226.000000 2.000000
5427.79980469 -6327.20019531 506.50000000 231.000000 2.000000
5427.79980469 -6327.20019531 506.60000610 229.000000 2.000000
5427.79980469 -6327.10009766 506.50000000 237.000000 2.000000
5427.79980469 -6327.10009766 506.60000610 231.000000 2.000000
5427.79980469 -6327.00000000 506.50000000 236.000000 2.000000
5427.79980469 -6327.00000000 506.60000610 228.000000 2.000000
5427.79980469 -6326.89990234 506.50000000 246.000000 2.000000
5427.89990234 -6327.60009766 506.60000610 218.000000 2.000000
更详细:
- Pointcloud A:https://justpaste.it/4fpli
- Pointcloud B:https://justpaste.it/9nmo0
- 预期结果:https://justpaste.it/3a4ic
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。