3d 最大点云细化

我的目标是实现一个python函数，通过只返回每个非重叠网格单元中具有最高

z

值的点来细化lidar点云

每个网格单元只返回一个点

我已经用python编写了以下函数，但是与MATLAB中的类似实现相比，处理示例文件需要更长的时间（大约慢10）

功能中有什么我可以更改以加快速度的吗

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,:]

def pcthin（数据，csize）：
md=数据
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）
十、 Y=np.meshgrid（xx，yy，sparse=False，index='xy'）
Thinda=np.类零（数据）
k=0
xf=X.flatten（）
yf=Y.展平（）
对于拉链中的x，y（xf，yf）：
tf1=np.逻辑_和（md[：，0]>x，md[：，0]y，md[：，1]更新关于代码的答案

是Python中的幼稚“for”循环很慢，代码有一个大的for循环。为了获得Python的最大速度，你应该尝试或使用并尝试重新编写代码，就像你写C++一样。

旧答案

因此，如果我正确理解了你的问题，这就是如何使用


加载一个示例点云：

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

看起来是这样的：



然后，您必须构建一个由非重叠单元组成的网格（在pyntcloud中称为体素网格）

这里
size\u x
和
size\u 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)

体素栅格如下所示：



最后，您可以通过选择每个单元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)

看起来是这样的：


您可以访问新细化点云的xyz值，如下所示：

data = thinned_cloud.xyz


这在内部使用pandas.groupby，与您发布的代码相比，这应该是一个速度提升。但是，如果这仍然不够快，我建议您尝试一下

在
中有一些示例操作可能对您有用，非常感谢您的反馈！我不熟悉点云软件包，但我会尝试一下。我的问题的重点是找出为什么我的python实现比MATLAB实现运行得慢-我的代码中有任何行可以更改以加快速度？我更新了答案，试图关注代码中应该更改的内容感谢更新！我曾想过对代码进行矢量化，但没有找到更简单的实现方法。