最大点云变薄

Question

我的目标是实现一个python函数，通过仅返回每个非重叠网格单元格中具有最高z值的点来稀释激光雷达点云。

每个网格单元只返回一个点。

我在python中编写了以下函数，但与MATLAB中的类似实现相比，处理样本文件需要更长的时间（大约慢10倍）。

我可以改变功能以加快速度吗？

在函数中，数据是Nx3数组，csize是非重叠网格单元的大小。

def pcthin(data, csize):
 md = data
 xx = np.arange(np.min(md[:,0]), csize*(np.ceil(max(md[:,0]))/csize), csize)
 yy = np.arange(np.min(md[:,1]), csize*(np.ceil(max(md[:,1]))/csize), csize)
 X,Y = np.meshgrid(xx,yy, sparse=False, indexing='xy')

 thindata = np.zeros_like(data)
 k = 0
 xf = X.flatten()
 yf = Y.flatten()
 for x,y in zip(xf,yf):
    tf1 = np.logical_and(md[:,0] > x, md[:,0] <= x + csize)
    tf2 = np.logical_and(md[:,1] > y, md[:,1] <= y + csize)
    tf = np.logical_and(tf1,tf2)
    if any(tf):
        dtx = md[tf,:]
        ix = np.argmax(dtx[:,2])
        thindata[k,:] = dtx[ix,:]

        k = k + 1

return thindata[0:k+1,:]

Answer 1

更新有关代码的答案

事情是天真的＆＃34;对于＆＃34;循环在Python中很慢，而且你的代码有一个很大的for循环。要获得Python的最大速度，您应该尝试"vectorize" your code或使用numba并尝试使用for循环重写代码，就像编写C ++一样。

旧答案

因此，如果我正确理解您的问题，您可以使用https://github.com/daavoo/pyntcloud

完成此操作

加载示例点云：

from pyntcloud import PyntCloud
cloud = PyntCloud.from_file("tests/data/sphere.ply")

看起来像这样：

然后你必须构建一个非重叠单元格的网格（在pyntcloud中称为voxelgrid）。

此处size_x和size_y是指定沿每个轴的单元格大小的方式。

voxelgrid_id = cloud.add_structure("voxelgrid", size_x=10, size_y=10)

voxelgrid看起来像这样：

最后，您可以通过选择每个单元格的最高点来获得新的点云：

thinned_cloud = cloud.get_sample(
    "voxelgrid_highest",
    voxelgrid_id=voxelgrid_id,
    as_PyntCloud=True)

看起来像这样：

您可以按如下方式访问新的细化点云的xyz值：

data = thinned_cloud.xyz

这在内部使用pandas.groupby，与您发布的代码相比，这应该是速度提升。但是，如果这仍然不是很快，我会建议您尝试https://numba.pydata.org/

在https://github.com/daavoo/pyntcloud/blob/master/pyntcloud/utils/numba.py

中有一些可能对您有用的示例操作