前言Lilikili：在尝试做Lidar方面的研究的时候，发现对于可视化大家的脑洞还不是很够，所以提供一些思路让大家蛤一下。

数据集

本次使用的数据集是KITTI 3D object detection条目下面的data_object_velodyne.zip，里面存储了二进制存储的Lidar数据。数据大小压缩后是26.7GB，包含7481个frame。对应的Camera数据是data_object_image_3.zip。Label什么的这次涉及不到，想要的自己找去

下载方式：因为内容存在了aws的s3里面，国内下不下来。建议使用迅雷等下载工具。

代码以及工具包

代码请移步Github：https://github.com/LGNRoy/KITTI_3D_Visulation

工具包：numpy, mayavi, matplotlib, pyside

同理，pip install的时候如果轮子下不来，建议直接去pip官网上用下载工具下载对应的轮子

基本的可视化数据集编号000001，Lidar可视化展示

这部分的代码参考了CSDN：https://blog.csdn.net/weixin_39999955/article/details/83819196

对Lidar的3D展示使用了mayavi.mlab这个工具包，效果十分强大。提供了UI，支持拖动来进行自由旋转，但是不支持平移。

颜色支持自定义。本文使用了距离(点(x, y, z)到坐标原点的直线距离)作为颜色值，使用了默认的彩虹色系，色系也可以在UI中进行切换。颜色值除了距离以外，也可以设置为高度或者反射率。

脑洞部分(开蛤)

首先来说，思路：Lidar数据是稀疏数据，按(x, y, z)点存储在笛卡尔坐标系。

但是实际上Lidar的工作原理是激光从左到右旋转，每个角度从上到下扫描。

所以依此来思考，应该会有很多点在相同角度(换句话说应该能看到很多的"竖线")，同理高度也可能会这样。

参考下两张图，可以发现，对于墙这个物体，是存在明显的竖线和横线。

那么能否能把稀疏的Lidar数据转化为二维图像数据，并解决稀疏的问题？

比如，把角度和高度离散化作为像素的位置，用距离作为灰度来绘制一张灰度图。数据集编号000000，红圈内是Lidar探测到的一面墙

透过Lidar扫描到的墙，来看墙外面的东西

展示步骤：先计用xy计算角度a，用z来代表高度h，再通过xyz计算出深度d。

对角度进行筛选、对高度进行筛选

用plt.scatter进行展示

展示效果：数据集编号000001，横纵坐标分别为角度和高度，颜色代表深度

效果差强人意。希望得到的是方方正正的一张图，每个点都按照横竖完美的对齐排列好，但是并没有。

在后续的数据分析中发现：因为lidar的光点的误差，没有看到竖线，但是点是正态分布在线上和左右，通过一些方法应该能还原出线。

横线这边，图里虽然有明显的线，但是是曲线，这代表高度不适合作为纵轴。采用yz计算出来的角度应该会更合适一点。

总的来说，嗯，挺失败的。

你们想蛤就蛤吧