1 Laspy库介绍
laspy是一个Python库，主要用于读取、修改和创建LAS点云文件。该库兼容Python 2.6+和3.5+，并且可以处理LAS版本1.0-1.3的文件。
在laspy库中，可以使用命令行工具进行文件操作，如格式转换和验证，以及比较LAS文件。此外，laspy还支持分块读取、直接保存和分块保存等操作。对于创建新的LAS文件，该库也提供了相应的功能。此外，laspy库还支持不同版本的LAS文件之间的转换，并提供了访问公共头和点记录的方法。
- 易于使用：laspy库的API设计简洁明了，易于学习和使用。
- 高效：laspy库采用了高效的内存管理和数据压缩技术，可以快速地读取、修改和写入LAS文件。
- 支持多种操作：laspy库支持对LAS文件的多种操作，如格式转换、验证、比较等，以及创建新的LAS文件。
- 支持不同版本：laspy库支持LAS版本1.0-1.3的文件，并可以轻松实现不同版本之间的转换。
- 良好的文档和社区支持：laspy库提供了详细的文档和社区支持，方便用户快速解决问题和学习更多内容。
2 基础函数
2.1 读取点云数据
def read_las(file=r'G:/彭俊喜/10.las'): # 读取点云数据las = laspy.read(file)las_header = las.header# point = las.points # print(point)# points_data = np.v stack((las.x, las.y, las.z, las.intensity, las.gps_time, las.point_source_id,# las.classification, las.user_data, las.red, las.green, las.blue)).transpose()# xyz = points_data[:, :3] # 以数组的形式显示所有点# print(points)print('主版本号：' + str(las_header.major_version))print('副版本号：' + str(las_header.minor_version))print('最小值：%f,%f,%f' % (las_header.min[0], las_header.min[1], las_header.min[2]))print('最大值：%f,%f,%f' % (las_header.max[0], las_header.max[1], las_header.max[2]))print('比例：%f,%f,%f' % (las_header.scale[0], las_header.scale[1], las_header.scale[2]))print('偏移量：%f,%f,%f' % (las_header.offset[0], las_header.offset[1], las_header.offset[2]))print('点云数量:%d' % las_header.point_records_count)# 遍历点for i in range(las_header.point_records_count):# 遍历所有的点云数据print('x=%f, y=%f, z=%f, intensity=%d, GPStime=%f, PointSourceID=%f, ''Classification=%d, UserData=%d, Red=%d, Green=%d, Blue=%d'% (las.x[i], las.y[i], las.z[i],las.intensity[i], las.gps_time[i], las.point_source_id[i],las.classification[i], las.user_data[i],las.red[i], las.green[i], las.blue[i]))2.2 筛选点云数据
def filtering_las(file=r'G:/彭俊喜/10.las'): # 通过条件筛选点云数据（颜色/回波强度等）las = laspy.read(file) # 读取点云数据new_file_c0 = laspy.create(point_format=las.header.point_format,file_version=las.header.version)def multiple_conditions(value1, value2, value3, value4):# 创建筛选条件condition1 = value1 < 60condition2 = value1 > 105condition3 = value2 < 125condition4 = value2 > 255condition5 = value3 < 120condition6 = value3 > 255condition7 = value4 > 100# 若条件都满足，返回True，否则返回Falsereturn ((condition1 or condition2) and (condition3 or condition4) and (condition5 or condition6)) and condition7result = np.vectorize(multiple_conditions)(las.red, las.green, las.blue, las.intensity) # 获取符合条件的布尔值new_file_c0.points = las.points[result] # 通过布尔值选择点云数据new_file_c0.write(r'G:/彭俊喜/10.las') # 写入点云数据2.3 旋转点云
def rotation_las(file=r'G:/彭俊喜/10.las'): # 旋转点云las = laspy.read(file) # 读取点云数据las_header = las.headercenter_x = (las_header.min[0] + las_header.max[0]) / 2center_y = (las_header.min[1] + las_header.max[1]) / 2 # 计算中心点（有的点云含有地理坐标）cos = -1 # 控制旋转角度sin = math.sqrt(1 - cos ** 2)x_all = []y_all = []xj = [] # 创建新列表存储旋转后的点云数据for i in range(las_header.point_records_count):# 遍历所有的点云数据x = las.x[i] - center_xy = las.y[i] - center_yx_rotation = x * cos - y * sin + center_xy_rotation = x * sin + y * cos + center_yx_all.append(x_rotation)y_all.append(y_rotation)xj.append(i) # 将旋转后的点加入列表中header = laspy.LasHeader(point_format=3, version="1.2") # 定义头文件header.offsets = [np.min(x_all), np.min(y_all), las.header.offsets[2]] # 定义偏移量header.scales = np.array([0.0001, 0.0001, 0.0001]) # 定义缩放比例header.add_extra_dim(laspy.ExtraBytesParams(name="xj", type=np.int32))new_las = laspy.LasData(header)new_las.x = x_allnew_las.y = y_allnew_las.z = las.znew_las.intensity = las.intensitynew_las.gps_time = las.gps_timenew_las.point_source_id = las.point_source_idnew_las.classification = las.classificationnew_las.red = las.rednew_las.green = las.greennew_las.blue = las.bluenew_las.xj = xjnew_las.write('G:/彭俊喜/10.las')2.4 创建点云
def create_las(file=r'G:/彭俊喜/10.las'): # 创建点云# 0. Creating some dummy datamy_data_xx, my_data_yy = np.meshgrid(np.linspace(-20, 20, 15), np.linspace(-20, 20, 15))my_data_zz = my_data_xx ** 2 + 0.25 * my_data_yy ** 2my_data = np.hstack((my_data_xx.reshape((-1, 1)), my_data_yy.reshape((-1, 1)), my_data_zz.reshape((-1, 1))))# 1. Create a new headerheader = laspy.LasHeader(point_format=3, version="1.2")header.add_extra_dim(laspy.ExtraBytesParams(name="random", type=np.int32))header.offsets = np.min(my_data, axis=0)header.scales = np.array([0.1, 0.1, 0.1])# 2. Create a Laslas = laspy.LasData(header)las.x = my_data[:, 0]las.y = my_data[:, 1]las.z = my_data[:, 2]las.random = np.random.randint(-1503, 6546, len(las.points), np.int32)las.write(file)2.5 保存点云
def save_point(path, point_type): # 保存点云# ---------------------------laspy库保存----------------------------las = laspy.read(r"Z:\Personal\彭俊喜\Lidar_try/2.las") # read a las filepoints = las.pointsout_file = laspy.LasData(las.header)ground = [2, 5, 6] # 索引out_file.points = points[np.array(ground)] # extract ground points, and save it to a las file.out_file.write(r"Z:\Personal\彭俊喜\Lidar_try/out1.las")2.6 可视化点云
def show_point(file=r"Z:\Personal\彭俊喜\Lidar_try/out.las"): # 可视化点云las = laspy.read(file) # read a las filepoints = las.pointsxyz = np.vstack((las.x, las.y, las.z)).transpose() # extract x, y, z and put into a list # 点云的空间位置x = las.xy = las.yz = las.z# 绘制三维散点图fig = plt.figure()ax = fig.add_subplot(projection='3d')ax.set_xlabel('X Axes')ax.set_ylabel('Y Axes')ax.set_zlabel('Z Axes')# ax.grid(None) # 隐藏格网ax.scatter(x, y, z)plt.show()3 需要安装的库
# -*- coding: utf-8 -*-
"""
@Time ： 2023/11/30 15:30
@Auth ： RS迷途小书童
@File ：Laspy Function.py
@IDE ：PyCharm
@Purpose：laspy库的基础操作
"""
import math
import laspy
import numpy as np
import matplotlib.pyplot as plt4 总结
总的来说，laspy库是一个功能强大且易于使用的Python库，适用于处理LAS点云文件。它可以帮助用户快速读取、修改和创建LAS文件，并支持多种操作和版本转换。对于需要处理LAS文件的用户来说，laspy库是一个值得考虑的选择。
)
