1. 点云数据基础：什么是点云？点云数据的格式与读取方法

1.1 什么是点云？

点云，说白了就是一堆三维坐标点的集合。每个点都带着 (x, y, z) 三个坐标值，告诉你「我在空间中的这个位置」。我刚开始接触这个领域时，觉得它就像夜空中的星星——无数个光点拼出了整个场景的轮廓。

但点云不只是坐标。很多格式还会给每个点附加属性，比如：

• 强度值（Intensity）——激光雷达返回的信号强弱，能帮你区分不同材质
• 颜色（RGB）——如果是深度相机或融合了图像数据，每个点还能带上颜色
• 法向量（Normal）——描述点所在表面的朝向，做平面拟合时特别有用
• 时间戳——在SLAM里，每个点是什么时候采集的，这很关键

你想想看，一个点云文件里可能存着几百万个这样的点。怎么高效地存、怎么快速地读，就成了第一个要解决的问题。

1.2 三种主流格式：PCD、PLY、LAS

我在项目中遇到过不少格式混用的情况。不同传感器、不同软件，输出的格式五花八门。但最常用的，就是下面这三种。

格式	扩展名	特点	常见场景
PCD	.pcd	Point Cloud Library 原生格式，支持 ASCII 和二进制	PCL 处理、学术研究
PLY	.ply	斯坦福大学开发，支持顶点和面片，可带颜色	三维重建、Mesh 生成
LAS	.las / .laz	ASPRS 标准，专为机载激光雷达设计，含分类信息	测绘、地理信息系统

PCD 格式

PCD 是 PCL 的亲儿子。我个人习惯用 PCD 做中间格式——因为它读写快，而且 PCL 里几乎所有函数都直接支持。它的文件头长这样：

# .PCD v0.7 - Point Cloud Data file format
VERSION 0.7
FIELDS x y z rgb
SIZE 4 4 4 4
TYPE F F F F
COUNT 1 1 1 1
WIDTH 640
HEIGHT 480
VIEWPOINT 0 0 0 1 0 0 0
POINTS 307200
DATA ascii
0.123 0.456 0.789 0.5
...

嗯，这里要注意：WIDTH 和 HEIGHT 如果都大于 1，表示这是「有序点云」，像一张深度图一样有行列结构。如果 HEIGHT 是 1，那就是无序点云，所有点平铺在一起。

PLY 格式

PLY 的厉害之处在于它既能存点，又能存三角面片。做三维重建时，Mesh 转点云、点云转 Mesh，PLY 是首选。它的头部分为 element vertex 和 element face 两部分：

ply
format ascii 1.0
element vertex 1000
property float x
property float y
property float z
property uchar red
property uchar green
property uchar blue
element face 500
property list uchar int vertex_indices
end_header
0.1 0.2 0.3 255 0 0
...

LAS 格式

LAS 是测绘界的标准。它不像前两种那样「通用」，但专业度很高。每个点除了坐标，还带有分类标签（比如 2 表示地面、6 表示建筑物）。我做过一个项目，甲方给的数据全是 LAS 格式，里面还带了回波次数和扫描角度——这些信息在做地面滤波时非常有用。

LAS 是二进制格式，没法用文本编辑器直接看。但好在有现成的库可以解析。

1.3 读取方法：Python 与 C++ 实战

光说不练假把式。下面我给出三种格式的读取代码，Python 和 C++ 各一套。

Python 读取示例

Python 这边，我推荐用 open3d 和 laspy。前者通用，后者专攻 LAS。

import open3d as o3d
import numpy as np

# 读取 PCD
pcd = o3d.io.read_point_cloud("example.pcd")
points = np.asarray(pcd.points)
print(f"PCD 点云点数: {points.shape[0]}")

# 读取 PLY（同样用 open3d）
ply = o3d.io.read_point_cloud("example.ply")
colors = np.asarray(ply.colors)
print(f"PLY 点云颜色: {colors.shape}")

# 读取 LAS（需要 laspy）
import laspy
las = laspy.read("example.las")
xyz = np.vstack((las.x, las.y, las.z)).T
classification = las.classification
print(f"LAS 点云点数: {xyz.shape[0]}, 地面点数量: {np.sum(classification == 2)}")

C++ 读取示例（PCL）

C++ 这边，PCL 是绕不开的。它的 io 模块直接支持 PCD 和 PLY，LAS 则需要第三方库或者自己解析。

#include <pcl/io/pcd_io.h>
#include <pcl/io/ply_io.h>
#include <pcl/point_types.h>

// 读取 PCD
pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZRGB>);
if (pcl::io::loadPCDFile<pcl::PointXYZRGB>("example.pcd", *cloud) == -1) {
    PCL_ERROR("读取 PCD 失败\n");
    return -1;
}
std::cout << "PCD 点数: " << cloud->points.size() << std::endl;

// 读取 PLY
pcl::PointCloud<pcl::PointXYZRGBA>::Ptr ply_cloud(new pcl::PointCloud<pcl::PointXYZRGBA>);
if (pcl::io::loadPLYFile("example.ply", *ply_cloud) == -1) {
    PCL_ERROR("读取 PLY 失败\n");
    return -1;
}

// LAS 读取（使用 liblas 或自己解析二进制）
// 这里给出一个简化的二进制读取思路
std::ifstream file("example.las", std::ios::binary);
// ... 解析 LAS 头，然后按格式读取点记录 ...

1.4 知识体系结构图

下面这张图，我把本章的核心知识点串了起来。你可以把它当作一张「点云数据入门地图」：

1.5 本章小结

点云数据入门，说白了就三件事：

1. 理解点云是什么——不只是坐标，还有各种属性
2. 分清三种格式——PCD 适合 PCL 生态，PLY 适合重建，LAS 适合测绘
3. 掌握读取方法——Python 用 open3d + laspy，C++ 用 PCL + PDAL

我记得刚入行时，花了一整天去解析一个 LAS 文件，结果发现格式版本不对。后来学乖了，先用 lasinfo 工具看一眼文件头，再决定怎么读。嗯，这种经验，踩过一次坑就记住了。