2. 点云可视化：Open3D基础、点云渲染与交互、多视角可视化、点云动画

点云可视化，说白了就是让那些密密麻麻的坐标点“活”起来。你想想看，几千几万个 (x, y, z) 数字堆在一起，谁能看出个门道？只有把它们渲染成三维空间里的点，你才能一眼看出哪里是地面、哪里是墙面、哪里是障碍物。

我个人习惯用 Open3D 来做这件事。这个库上手快，交互也顺手。今天我们就从最基础的渲染开始，一步步做到能旋转、能切视角、甚至能看动画。

2.1 Open3D 基础：从零搭建可视化窗口

先装好 Open3D。如果你用的是 pip，一行命令搞定：

pip install open3d

装完之后，我们来写第一段可视化代码。别怕，就几行：

import open3d as o3d
import numpy as np

# 生成一些随机点云，假装是激光雷达扫出来的
points = np.random.rand(1000, 3)  # 1000个点，每个点有xyz
pcd = o3d.geometry.PointCloud()
pcd.points = o3d.utility.Vector3dVector(points)

# 可视化
o3d.visualization.draw_geometries([pcd])

运行之后，你会看到一个窗口，里面飘着一团彩色的点。按住鼠标左键拖拽可以旋转视角，滚轮可以缩放。嗯，这就是最基础的交互了。

2.2 点云渲染：颜色、大小与法向量

光有位置还不够。点云渲染有三个核心参数：颜色、大小、法向量。我一个个说。

2.2.1 颜色渲染

颜色可以来自传感器（比如 RGB 相机），也可以是你自己赋值的。举个例子，根据点的高度来染色：

# 假设 points 是 Nx3 的数组
z = points[:, 2]
z_min, z_max = z.min(), z.max()
colors = (z - z_min) / (z_max - z_min)  # 归一化到0~1
colors = np.stack([colors, np.zeros_like(colors), 1 - colors], axis=1)
pcd.colors = o3d.utility.Vector3dVector(colors)

这样低处的点偏蓝，高处的点偏红。我在做地形分割时经常用这个技巧，一眼就能看出地势起伏。

2.2.2 点的大小

Open3D 默认的点大小是 1.0 像素。有时候点太密，看起来糊成一团；有时候点太稀疏，又看不清结构。调整点大小需要修改可视化选项：

vis = o3d.visualization.Visualizer()
vis.create_window()
vis.add_geometry(pcd)
opt = vis.get_render_option()
opt.point_size = 3.0  # 调大一点
vis.run()
vis.destroy_window()

2.2.3 法向量渲染

法向量是每个点的方向信息，对分割和识别特别重要。计算法向量也很简单：

pcd.estimate_normals(search_param=o3d.geometry.KDTreeSearchParamHybrid(radius=0.1, max_nn=30))

可视化法向量时，可以用 draw_geometries 的 point_show_normal 参数：

o3d.visualization.draw_geometries([pcd], point_show_normal=True)

你会看到每个点上都长出了一根小箭头，指向法向量方向。这个在平面检测、边缘提取时特别有用。

2.3 多视角可视化：同时看多个角度

有时候一个视角不够用。比如你要同时看点云的俯视图和侧视图，或者对比原始点云和分割结果。Open3D 支持多窗口，也支持在一个窗口里分屏显示。

2.3.1 多窗口方案

# 窗口1：原始点云
o3d.visualization.draw_geometries([pcd_original], window_name="原始点云")

# 窗口2：分割后的点云
o3d.visualization.draw_geometries([pcd_segmented], window_name="分割结果")

两个窗口独立控制，互不干扰。我调试算法时经常这么干，左边看输入，右边看输出，对比起来很方便。

2.3.2 单窗口分屏

如果你不想开太多窗口，可以用 draw_geometries_with_animation_callback 或者自己写一个 VisualizerWithKeyCallback。不过更简单的办法是用 draw_geometries 的 view_params 参数预设视角：

# 预设俯视图视角
view_params = {
    "front": [0, 0, -1],   # 从正上方看
    "lookat": [0, 0, 0],
    "up": [0, -1, 0],
    "zoom": 0.8
}
o3d.visualization.draw_geometries([pcd], **view_params)

你可以把多个视角的参数存成字典，循环展示，实现“多视角幻灯片”的效果。

2.4 点云动画：让点云动起来

点云动画，说白了就是逐帧更新点的位置或颜色。比如模拟激光雷达扫描的过程，或者展示点云随时间的变化。

Open3D 提供了 draw_geometries_with_animation_callback 函数，你只需要写一个回调函数，每帧更新点云数据：

import time

pcd = o3d.geometry.PointCloud()
points = np.random.rand(100, 3)
pcd.points = o3d.utility.Vector3dVector(points)

def animate_callback(vis):
    # 每帧随机更新点的位置
    new_points = np.random.rand(100, 3)
    pcd.points = o3d.utility.Vector3dVector(new_points)
    vis.update_geometry(pcd)
    return False

o3d.visualization.draw_geometries_with_animation_callback([pcd], animate_callback)

运行之后，你会看到点云像雪花一样不断跳动。当然，实际项目中不会这么随机。我做过一个自动驾驶的演示，把连续 100 帧激光雷达数据做成动画，能清楚看到车辆在路口转弯的过程。

2.5 本章知识体系

下面这张图总结了点云可视化的核心流程和工具链：

2.6 常见问题与避坑指南