大规模点云可视化技术原创

嗯，那那我现在就开始讲了，嗯，各位同学，老师，各位领域的专家大家好，嗯，首先自我介绍一下，我是河海大学摄影测量与遥感专业的在读硕士李子宽，今天非常荣幸能够受邀在3D视觉工坊来进行嗯这次分享。我今天分享的内容是大规模点云可视化技术。嗯实呃呃，实际上呃，大规模点云可视化技术是一个非常复杂的领域，呃，有一些人在在计算机领域专门研究这个，呃，我的知识还是比较有限的，就是只能说今天分享一下自己学到的一些心得，如如果有讲错或者理解错的地方，希望大家能给我指正出来。

嗯，那么现在，呃，分享就开始吧。呃，我将从以下五个部分来进行介绍，首先介绍一下大规模点云显示的主要瓶颈和遇到的问题。呃，然后介绍目前针对大规模数据主要使用的L技术，接下来呃，介绍目前为了适应大规模显示的八叉数数据结构，以及它的一些变种。嗯，最后呃，我将介绍几款大规模点云的处理软件，嗯，就是他们的可视化技术，然后呃，呃进行了一些显示实验，呃进行一些对比。

嗯。希望本次的分享能对大家的科研或者工作有一些帮助呃，之后会有录播呃，大家可以点赞嗯，投币关注。呃，一键三连。呃，最后是一个提问环节，到时候大家可以弹幕提问。呃，如果讲的不错，大家可以刷刷免费的礼物什么的。呃，首先。呃呃，随着三维激光扫描技术的发展，三维点云的采集设备越来越丰富了，呃，我们可以采集到海量的电影数据，嗯，简单介绍一下目前的数据来源。嗯，首先。嗯，有机载车载的这种激光雷达，呃，比如国国外的有呃，Vlo vlo，然后还有国产的有雷神智能，速腾巨串，他们的一些雷达可以搭载到机载、车载或者摩托上，然后呃，地面的三维呃激光扫描有徕卡、天宝、法如等大厂的一些仪器，精度比较高点，云的密度也比较高，嗯。

可以应用在扫描隧道，桥梁，大坝，古建筑上，呃，然后呃，呃，这个地基的一般是扫描比较大一点的场景，在工业上，呃，还有一些比较小的领域，一般是用这个手持手持三维激光扫描仪，有一些hand skin，还有法炉的一些手持激光扫描仪的方案，可以扫描高精度的嗯，小物体。然后之后还有一些呃，摄影测量技术，还有还有结构光的方案，也可以采集到点云数据，呃，这就是点云的主要来源，但他们呃有一个共同的特点。

那就是。他们最后获得的数据，呃，数据量比较大，就是海量的点云数据，呃动辄有上百多个G，比如呃，我们用地地基的少一个古建筑，呃基本基本呃就是几个测站拼接起来以后就上百G的数据了。如果这样海量的呃，上百G几个T的这些数据，呃对于呃数据的处理管理，还有可视化都是一些挑战啊，今天我主要讲的就是可视化这边的技术。对于对于可视化的，呃对对可视化来说，然后上百G的数据，首先就是计算机性能把它呃限制住了，呃一般情况下你要显示呃100G的数据，你要把这100G的数据呃导到那个内存里。

但是你呃，你这个比如有200G的数据，你不能配一块200G的内存吧，这样的话，嗯，就是呃不不适合的，而且分发的过程中，你不能每一个电脑都弄成高性能的，所以。点云显示方面，首先计算机的内存、CPUGPU都把它限制住了，嗯不仅如此，还有那个呃点云的读取就是对硬件来说，就是对那个呃硬盘呃也有压力，就是呃数据要读入内存。就是硬盘的那个读取速度也是有有限制的，呃，所以把那个200多G的数据读到内存里也需要花很多时间的。嗯，把数据读到内存里以后，要用要来要来一个点一个点的渲染的话就会对，呃主要是对GPUCPU也有很大的压力，如果呃这实时渲染的问题，然后就是呃，如果你还有那些。

是外部显示，就是网，网络用网页来显示这些电源，数据化还要考虑到网络传输速度的问题，嗯，这就这三点，主要就是我们现在可视化中遇到的主要问题。嗯。对于以上这些问题的话，现在已经给出了一些很好的解决方案了。就是呃，比如你有200G的电源，你不用把它们全部显示出来，你对它一下。抽吸，然后。呃，分块你你只显示一部分的点云，呃，或者就是优化它的数据结构，让它读的速度更快一点。

这是主要的两个方案。然后这个方案的话，呃被被称作为呃LD技术。然后呃，这个是主要是1976年这个人提出了一个细节层次模型的概念，认为当物体覆盖屏幕较小区域时，可以使用该物体描述较粗的模型，并给出一个可呃可见面判断算法的几何层次模型，一便对复杂场景进行快速绘制。呃，这个可能说的很难以理解，但是呃，我我简单来说一下他他的这个思路，嗯，可以类比于类比到技上，技术上地理信息的二维显示这个地图，呃，如果有那个地地信，呃知识的话，你就知道就是。如果我们看全国的地图的话，它会说的小一点，比如1:1:1万的地图，它有有些细节就不用不用显示了，呃，一些城镇的细节，那就是一些，呃小的乡或者村就不在地图上标了，当你放大到就是某个省的地图的时候，它这些乡呃和那个就是村，村就可以标出来，当全国的地图的话，全球的地图就是国家，可能就每个国家就标几个，呃重要的重要的城市就可以了。

这个实际上就是这个LD技术的逻辑，然后对于点云来说，我们，呃，比如点云有这么多这么细的话，呃，我们把这个整个场景呃缩小的时候，我们就没必要加载那么多电，我们。只需要加载一部分电源。就可以让人人肉眼已经可以很好的判断出来了，然后我们把这个就是场景缩缩小到某一个地方的时候。

我们对这个地方就是把这这一块的电源都加载出来，其他比如呃，就是隔到这些外面的这些就不用加载了，这样的话就相当于我们显示的电源一直都是这么这么很少一部分，呃，就对那个计算机的。嗯，内存还有CPUGPU的压力就能减小减小了。嗯，这个思路，呃，也用在那个图像处理的时候，嗯，比如打开一些较大的遥感图像，遥感图像，一个遥感图像也很大，几个G的遥感图像。呃，如果。呃，如果它直接显示的话，你的电脑会卡很久，呃，目前的话，他们会建立图像金字塔，这样就是不同层级的时候显示不同的那个，呃，不同不同层次的图像。

嗯，在那个。点云显示上，这个就叫呃，这种思路就叫L技术，根据用户的视角来渲染有限的点云，就能大大降低电脑的压力。然后这个是呃，我在破上显示的，比如我把这个整个场景缩小的成这样的时候，你看它就其实它里头也没多少个点，它就就是在这个层级下，呃，它只要加在比如加在呃1万个点就可以了，然后这个层级下它可能也也再多加载一点点，然后在当我缩小到某个建筑物的时候，它把这些建筑物都加载出来，但实际上可能。可能我说到这的时候，这这儿只有五六个点的样子，就这个思路，他就能把这个海量的点源数据显示出来。

呃，这个是具体的，呃，就是操作流程吧，就是比如某个地方有这么多点，它实际上只显示一个点，然后当一层的时候，它只显示这四个点。呃，二层的时候，它就之前是这么多点，这样的话就可以很好的，嗯，就是很让我们呃，性能比较差一点的电脑也能也能显示。呃，很大的数据。嗯。然后呃，这个思路实际上就呃是听起来是非常简单的，但是你要在实际实际应用过程中，你要告诉电脑来这样显示。要渲染哪些点，你必须告诉电脑这个时候你要渲染哪个点，这个时候渲染哪个点，然后当说到什么层级的时候，要渲染哪几个点，这都是呃对于对于程序员来说，你都必须呃告诉电脑这个时候。

我们就必须要构建良好的数据结构才行。对于对于呃呃平面的话，一般会构建一些呃，就是四叉树，然后在那个空间上空间划分，一般构构建的就是八叉数。八叉数的话，嗯，就是可以理解为在空间里画画格子，画方格。然后每个格子。嗯，分成八个，然后每个再分成八个，一直一直细分下去。呃，直到每一个格子里只有很少数的点以后，这样的话，对于每一个点来说，你能很快的找到自己周围的邻居，然后我们也可以来指定指定不同层级。

显显示这一层级的有限的点个数，嗯，这这就是比较比比较好的一个数据结构，现在呃，经典的数据结构。呃，然后进而就能实现刚才讲的那个L。但是这个这个这个方法，嗯，听起来很简单，但是它存在一些问题。嗯，你看右边这个，它很多格子里都是空的，就是。那个点的分分布不是很均匀。有些地方点会很多，有些地方点会很少，呃，相当于有很很多地方会画一些空空格子，就是浪费了空间，像像这些没有没有没有画出格子的地方，它都是空格子，空节点，它的它数据结构就是有浪费，然后像这些就是有效的格子，这样的话对于显示其实是对于对于对于显示拖拽都是。

呃，非常不好的。然后在这个的基础上，把它所有呃进行了一些改进。然后这个方法叫做可嵌套的八叉树，是这个这个人的博士论文提出来的。它实际上是基于LD对输入点云下采样低等级的节点占据更大的体速以及更稀疏的采样样本点云。然后随着那个呃，就是。大概就是怎么说呢，就是这个层级就显示这个节点，然后一层一层画下去。然后大致结构就是这样的。然后它的优势就是这个结构呃中没有重复的点和遗漏点，然后渲染效率非常高。

但是就是这个每个点中存在依赖，然后无法对其进行编辑，嗯，怎么说呢，嗯，就是。显示跟处理其实是一个相左的两个两个问题，如果你无限的提高它的那个显示效率，这个点云，点云就会被切成很多很小的小块，这样的话就是编辑效率就很低。嗯，比如这个结构已经建好了一下，你突然把这个点去掉了，然后这个这个结构就呃，就去的时候就会发生很慢很慢很慢，所以这就是就是这这个问题的这个这个嗯。方法的一些缺点吧。然后。然后。就是主流的。那我来讲一下主流的，主流的一些，这这就是呃呃，这讲的就是一些主要的数据结构，然后呃。

像主流的主流的方法，有一些必然的，必然的方法，有一些开源的方法，然后他们他们的话。嗯呃，主要用的。呃，这这些这些就是常常用的可以显示大规模呃的这些软件，呃，首先是这个。呃，桌面端的这些。呃，桌面端嗯的这些这个这个上面这三个是开源的，然后cloud compare cloud compare是一款比较经典的点云处理软件，它那个呃也用到了L技术，它可以导入呃很大规模的点云，就是嗯，但是它的缺点是必须在内存内存的限制之下。

你不能突破内存，呃，如果你突破内存的话，它就这个软件就直接崩溃掉了。然后PCLPCL，它呃中间有一个out of core一个一个技术，听说是可以呃呃实现这个大规模电云的显示，嗯，但是是我没有实验过，然后OPEN3D这个是一个呃新新开发出来的软件，呃，新开源的，呃它是主要支持Python，它是对Python的支持非常。然后呃呃，在那个他的官网介绍来说，他就是没有没有那么强的能力，我觉得这个软件应该不可以支持很大规模的点云显示。然后下面就是下面的这几个软件是商用软件，就是。呃呃，就是一些比较牛逼的公司开发的软件，他们的显示技术还是比较成熟一点，嗯，首先。

这个AP是auto desk公司开发的，就是开发那个CAD公司开发的一个电云显示软件，它的显示是非常流畅的，但是呃，它把点云转成了自己的数据结构，然后转的那个过程相对相对慢一点。然后Qt model这个这个是一款便捷显示点云的一款呃显示达数据的一款软件，对于读取莱达数据迅呃非常迅速。呃，然后。第三个是点云魔方，魔方的话是中科院开发的一款国产软件。

呃，然后这个是呃，莱卡莱卡的，莱卡公司的，这个是我在群里看到的，具体我没有用过，但是据说也是可以读取超过内存的电源。嗯，具体不知道用了什么什么技术，然后这个micro，然后它的那个点云显示是用的T里的这个插件来进行的，这个是在行测行测来达上比较常用的一个软件。然后就是法如的法如的信这个这个软件，这个软件我尝试着使用了一下。那还是比较比较难用，比较难难用，嗯，就是只能只能显示大规模点云，然后具体的处理不太不太好处理。然后对于we部的显示函，呃方案，像这些传统的的就是阿技阿克技，就是电信方面的公司都有，都有外部的显示，然后这国产的super map操图，它它最新的一款软件也推出了，呃，大规模点云的显示，但是这两个都收费软件，我也没办法尝试。

然后，嗯。免免费的，就是开源的比较好用的有破萃，还有这个这个这个也也挺好用的，听说也能显示，呃，很很大规模的电云。嗯，然后我再分别分别介介绍一下他们的，呃，技术细节。呃，首先这个cloud，我对cloud compare比较熟悉，呃，这是它，呃官网上的。介绍。普拉是一款非常优秀的开源软件。

它里面的一些技术都非常超前，呃，我认为呃就是里面有很多我们可以值得学习，然后老外把这么这么好的东西开源给我们看，呃，给我们学习，还是对这个作者十分佩服的。然后它的它的显示其实非常的流畅，但是它的最大的缺点就是。全部读到内存里，就对电脑性能比较呃，要求比较高，呃，比如我的电脑只有16G内存，它读读多了就爆掉了。嗯，就是它官网的对它这个速度跟大小的一个权衡的解释，首先他他说了这个三十二六十四位有区别，就是32位他把那个呃数据分块了，嗯，他的意思是那个32位的不能开辟连续的内存，而64位的可以开辟连续内存。

所以它那个32位的做了一个分的处理。然后它的呃，存储其实是被压缩掉了，它讲的就是每每千兆字节内存大约可以存存9000万个空白点。嗯，这个压缩率我觉得还是很可以的，但这个全部把电源读到内存来说还是可以的。然后最后他说他能读至少点在64操作系统上，最高可达四十亿点，呃，那那你就要无限的往上往上点点点内存了，呃，否则还有一个方案就是你可以设虚拟内存，把你的SSD设成虚拟内存，这样的话。也是也是可以的，就是代替一下内存，也可以将就将就的处理一下。呃，然后呃，可以达到这个方案，就是如果有开发人员想想想实现这个功能，可以尝试一下PC Co，这个我没有尝试过，但是据说据说它可以支持空间索引，数据存储和快速数据访问，嗯嗯，就是根据它的介绍来说。

它是可以突破突破内存限制的，就是呃这个技术可以从硬盘中直接呃，直接直接渲染呃，就是你需要哪个部分就从硬盘中拉取哪个部分，这样对内存的压力它就变小了。呃，大数据。但是我没有尝试过，它只是PCL中的一个小小的一个模块。然后具体他能不能用，还得还得尝试，还得做做实验，我觉得还得做实验。

然后就是破碎。破是一个那个，呃，Web端的显示方案，然后。他他这个也是开源的web gl开源的渲染器，然后由维也纳工业大学开发的，在他的论文上，他说能够web实时渲染。呃，5970亿的点云集压缩后有1.6T这个这个方案就勘探任务来说已经非常牛了，首先它突破了内内存的内存的限制。它是从呃，从那个硬盘数据拉取的，然后他渲染的点个数非常多，就是比比其他的网上介绍的，它能染这么多点。我觉得他可能真正的真正意义上实现了大规模点云的读取。

嗯。然后这个这个这个软件因为开源的嘛，然后我就我也做做实验，呃，试了一下这个。我把它我我从我我我拿了一个河海大学的。河海大学的点云。然后上传到我的服务器部署了一下，然后实施了一下。嗯，我这台电脑呃，性能比较低一点，它是一个轻薄本。但是。它的这个渲染渲染的。

效率还是非常可以的。就怎么说呢，很流畅的，很很流畅，我的这个旋转旋转操作都很流畅，然后这个点云是。这个点是有，呃，80008000万个千万个点。呃，点个数点个数，其实。呃，也挺多的，呃，但是就是像我现在的网速就是基本是一兆每秒左右吧，然后我感觉加上加上直播的话，它会占用500500KB左右每秒。呃，对于这个点云显示和加载来说。这个软件，这个这个软件还是非常非常不错的。呃，大家可以现在直接访问试一下，可以一下。

嗯呃，整体整体感觉就是破碎，这个方案还是呃呃就是显示它把显它相当于把显示的问题。它相当于把显示的问题就是转移到服务器来，服务器上来解决了，然后呃，用服务器的性能代替了一部分稳定性能，对用户来说是非趁的。呃，不仅如此，我我我现在觉得这个web的显示还是具有非常多的优势，呃，如果我们像之前介绍的那几款软件都是桌面端的，它的渲染使用的是open gl，然后在网页端的话，也有同等的也是web gl，嗯，作为用户来说，我们不需要安安装额外的软件就能上传共享，还有查看查看点用数据，而且要懂很多很多关于那个点云3D数据的知识，我们就能看到那个点云。

嗯，举个例子，举个例子。我给客户，我给客户做了一个三维重建的项目。然后就是重建，假如重建了一下河海大学，然后客户想看。呃，如果如果在传统的话，我就需要把把这个把这个十个G的点源数据拷到拷到移动硬盘里给给给客户邮过去，或者发邮件，然后让客户装上，装上一个可以点云显示的软件。然后。嗯，如果如果用邮件传的话，就我们现在中国的网速来说，可能几个G传传个半天左右吧，然后都很不方便，但是如果呃客户的需求只是看的话，我觉得用外B的就就像刚才那样，打开我们就能看到看到数据，呃对对客户来说，还有对那个对那个。

甲方对乙方来说都是非常友好的。呃，但是呃，但是那个破来说，呃，外部端的就要比桌面端还要多考虑一个问题，那就是网络带宽的问题。嗯，显示点云必须切块，切块显示才可以，就是如果要用破碎破碎来显示的话，它必须转化成它自己的格式。然后呃，他的论文上写的，他用到的是多分辨率八叉树结构，也是八叉树的变种，具体怎么实现的，我我现在没有看懂，嗯，它构建结构的。

大概我理解是是把输入的哪个点云放到根节点里，然后。如果该节点中其他点没有保持最小距离，则落入此节点中。呃，这段话不好听懂，就是就是在构建巴素，它其实就是构建的，就是刚才讲的镶嵌那个八叉树，就是它的变种，在在在上面又又进行了一些改进。呃。大家可以尝试一下，如果现在现在手机端和那个那个电脑都可以，都可以输入这个网址。显示一下。嗯，先存下来吧，之后反这个是部署在我自己的服务器上的，然后嗯，做了一个小的DEMO。

然后最后我呃，我就在我电脑上拥有的一些软件，我做了一个，呃，做了一个大规模点云测试的。实践就是做了个大规模点云。处理的，呃，就做了个实验，然后我我把那个这个这个实验的点云，它有3亿个，3亿2000万个点。然后把它存成。呃，这个来打的格式，然后它的大小有十个G，嗯，相比而言十个G的点云。也不算太大规模，太大规模只能说比较规模，呃，由于实验条件有限，就只能找到一片这样的。然后我这台电脑的，我我我实验电脑的性能还比较好，有有。

It的，然后内存有16G，嗯，因为因为如果嗯超过内存的话，像这些这些软件都不能读了。然后，然后把这个东西放到SSD里，然后我就做了一个显示的实验。首先是cloud那个读取了两分钟左右。然后可视化效果还是比较流畅的，但是因为它主刀是内存里的，它的内存占有率很高，它就直接就占了十个多G的内存，内存然后其他对电脑压力还是很大的，但是它可视化效果还是很流畅的。然后。我又用这个Qt model，然后读了一下，这个是非常，呃，它的读取时间又长了一些。

但是可视化效果来说，比。比cloud compare要好了一些，更好一些，但是它同样是都在内存里的方案，然后它的内存占有率也是很高的。嗯，这两个都是读到内存里的方案，但是呃，相比而言。Q model要流畅一些，他应该是多花了一些时间为点云建立一个更友好的阿卡索引，我这个是我推测的，因为这个是收费软件必源的，我无法看到它的代码。然后。第三个，第三个。是点云魔方，点云魔方。他读取只花了一分多钟。而且可视化效果非常流畅。呃，内存占有率还很低，我当时做完实验我都震惊了，我说难道我们中科院开发的软件已经突破了世界上呃这么难解决的问题？嗯，但是我呃实际实际分析仔细并观察了一下，呃，就是破案了，发现它读的点没有读进去。

呃，比如这3亿个点，它只读进去1000万个点。他这一分钟只读了一千万点，然后它显示也只显示一千万点。这这肯定流畅，然后呃呃呃，然后内存占有率很低，我觉得这也是一个读取大规模电源的方案，因为如果我只是用来显示的话，我有些地方不用显示。那么细对吧，然后呃，如果技术人员想做的时候，也可以采用他的这个方案。然后我又测试了这个out desk的。

这个这个软件，这个软件是大公司的软件，但是它读取的时候花了将近五分五十五十分钟，可视绘画效果非常流畅，内存占有率很低，嗯，那它采用的应该就是。读到读到硬盘里的方案，他把那个呃点云转成它的格式，然后放在硬盘里，呃要需要显示哪一部分，然后他就拉取哪一部分来的，呃来来实现的。然后。第第呃，你你看它读取花了49分钟，它实际上都在见索引，都在转成自己的格式，我第二次读的时候秒开一下就一下就打开了。然后他这个方案就突破了，突破了呃，内存的限制，然后从硬盘拉取，我认为这就意味着可以读取任意大小的点点云了，就是真正真正实现的大规模点云的显示。

嗯，不愧是大公司。技术方案比较牛逼。然后我又试验了本特利公司，这个是本特利开发的ma，嗯，他行测处理比较多一点。它读取时间只花了48秒，这个读取我觉得是用了内存映射的技术，要不也不会这么快，但是可视化效果非常卡顿。然后内存占有率很高。呃，这个方案它没有建索引，它应该是没有建建数据结构，嗯，它没有考虑大规模电影的读取问题，我觉得，呃，所以它就是它就是这样的可视化效果体验极差。然后测试了的话，同样同样应该跟那个是一个方案。

然后它的读取时间基本基本差不多，也是呃转成了它自己的格式，呃可视化效果很流畅，第二次读取的时候就是秒开，然后内存占有率很高。嗯，就以上的这些软件，我认为真正达到的就是大规模点云读取的话，只有。只有our trip和port，然后他们的话就是偏处理，呃，偏处理一点。嗯。呃。总结一下吧，总结一下，总结一下经过，就是我的就是查资料，然后做实验以后我感觉。呃，大规模的显示跟点云的处理。

呃，应该是相左的，就是如果你想达到很很好的处理它它呃很就是高效的处理，它的那个显示肯定会差一点，如果你要达到高效的显示它的那个处理，处理肯定也会差一点，因为就像这个软件和这个软件，它的内部的处理功能非常少，像这个基本只能看，然后量量距离。然后破碎也是只能画画，画画就是点两个点的距离，然后但是它俩的可视化效果是非常好的。然后cloud compare，虽然它没有租破的内存，但是它里头的一些处理方案，比如能算法向算率，就是对点云的处理功能是非常多的。然后然后大概大概就是这样了，嗯，分享的东西，呃，就是没有讲的，就是因为有些软件，就是有些软件是收费的，我没有一些收费的软件，我只能是对我电脑上的一些软件，还有开源的软件做了一些实验。

然后。呃，还有一些就是那个开源方案，我没我没看懂，没搞定，也不能做实验，就就测测测了这几个方案。呃，因为呃，还是了解的比较有限吧，如果有讲的不对的地方，希望各位专家还有各位同学能够批评批评指正。然后那就我看，那我那现在就可以进入提问环节了。大家，嗯。可以提提，对这个提问题。

好，谢谢，谢谢。大家大家有什么问题吗？看不能不能讲盗版的。因为我盗版不了。这个这个我不会用那个那个软件。这个软件我没测试过。这个我那天没测试过。你可以试试它，翠翠的方案比它好。谢谢，谢谢。大家可以刷刷瓜子什么的。

MNO是啥，就是。就是。这个就是m Mo。如果有兴趣的话，可以看一下他的论文。具体怎么实践的，呃，我没有看懂，但是我的理解就是这些节点他们都是相关的，他们我我看看了一下，他他们应该是相关的，就是呃。就是。没有点的地方它就它就它就不连接，然后有点的地方它就连接。不是很磕破脆的，可视化效果不是很好。Web可以详细介绍web点云，Web点云的话，我只只做过萃的，但是像像这些。

像这些主流大公司都有破碎的方案。呃，然后VTK和open gl对比咋样？VTKVTK是基于open gl开发的，它它其实也是属于open gl系列的系列的可视化方案。No和八叉树的区别是啥？这个我讲不太清楚，如果你想具体了解，可以看这个论文。女装。女装就不要了吧？等于二维显示。图片。点，为啥要二维显示呢？显示成深度图吗？这个这个问题我不太理解。

二维显示po可视化效果不是很好。我觉得还可以。破粹的可视化效果。你你看你看我，我这台电脑性能很差的，我给你看，我给你看我的电脑。性能。然后是个轻薄本。内存8G，然后。就就2.888赫兹左右。你看你看I5的还是U。但是他可以。他可以在在我直播的条件下。很快的显示8000万的点，我觉得他还是非常不错的。这个是啥，这个我没用过，我我我一下我看看你F。

UGRO。这个没用过。Web显示有有代码DEMO web显示你看它的官网这个开源的。电源格式都怎么转化的？自带的就是。像这些收费的软件，我也不知道他怎么转化的，然后他破有他的论文，你可以看论文是怎么转化的。你做到。这个流程的话。哎呀。官网上你你其他的话直接搜看看他是怎么怎么教你的读点云，然后。Python的话用这个OPEN3D 3d处理一些小规模点云还是不错的。郭翠园、马吉吉B。拉大一点。

什么啦哦。拉大之后感觉一个个混乱的点。这个。是因为。带宽有限吧，我觉得是。我把它显示成。嗯。这个这样显示是不是清楚一点，不混乱吧。你们觉得混乱吗？就是圆的嘛，它是。河海大学电源，我们学校的无人机自己飞的。

用用用无人机搭载来打飞的。然后8000万。我觉得显示效果还可以吧。什么？拖拽起来很流畅的。呃，我我我因为是那啥，就是直播中间在你们可以直接直接登录去去用一下。怎N拼接起来的？呃，就是你，你是说撒怎么拼接起来的，就是河海大学点云吗？物体配准ICP，物体配准先选ICP嘛，ICP就是最好的方法。嗯。

现在还有人进入直播间吗？嗯。VTK。VTKVTK没有用过。但是VTK肯定是读到内存里来显示的，Open gl的话，Cloud compare和VTK都是，呃，基于open gl开发的，所以它不应该并列到这个地方。嗯，具体对比的话，这个我不知道。我觉得会好一点。如果上面有雨衣信息，比如牌，可以看得清吗？破碎只能显示点云。

具体这些其他的功能，你得再探究一下。荒野乱斗可以带你飞。整个点云怎么拼接起来的呢？你说河海大学的电影？它那个飞机自带的软件拼接起来的，我也不知道他怎么拼接起来的。无。不平整。物体的ICP怎么怎么好一点，怎么说呢，这个配准，配准有很多，现在深度学习的方法也有很多配置的，你先看ICP，然后ICP的衍生算法多看一看吧，我这个不知道。

如何处理学习点云处理。买本买本书。呃，关注对关注3D视觉工坊来学习点云处理啊，推荐你关关注点云3D视觉攻防。里头有非常高质量的内容，可以帮助你学习点云处理。以上点如何网网格网网格化过网吗？购网，嗯，麦lab上有很多购网的方法，你可以尝试一下。PC还入门吗？PC从入门到放弃。一个，嗯，对那个配准的话，看一看那个最新的文章吧，嗯，因为因为我认为点云也是比较前沿的一些话题。

没有一个具体的，每一件事情都没有一个具体的，就是标准的方案，就是现在还在，大家都在探索过程中。目前学习欧3D，有没有什么推荐？嗯。我知道那个。PCL点云PCL那个平台，它它它连载的一个中文的OPEN3D的方法。然后具体你官网的教程，你把官网的教程跑一遍，我3D就差不多了。读一部分到内存，处理完再读一部分到内存。用什N包？这个我没处理过，我一般都是全部读到内存里。

用RGBD图像的creep。啊，不好意思，这个没做过，我不懂，这个我不懂。点云一般做从出到细节的策略是啥样的？就是这个就是刚才讲的吗。LD技术。当时打了一个地图的，地图的比方就是。这个呃，就是理解起来非常简单，但是你如果是程序员要实践的时候是非常复杂的，它的关键就是你要做好数据结构，它的数据结构，嗯，就是初级的话是就是阿叉数，高级的话就是这些。高级的拔茶树。你可以，呃。

看这篇论文。我觉得可以，你要是有有有有兴趣的话。就是显示的，就是大规模可视化显示的思路是那个思路。但是具体实现的话，你看你看你看，就我展示的软件。基本开源的没有几个。实现了这种大规模的都是保密的，比如这些公司他们可能实现了，但是保密的我们我们都不知道怎么实现的。可能这还是一个比较难的领域。然后具体怎么操作，可能有些细节还是比较难的。今天人一千八呢，破记录了。

一千八在线吗？这个这个意思是有。一千八个一千八的人在看我，嗯，非常荣幸，那大家可以可以，这个是我的个人个人微信公众号。如果。如果大家可以关注我的公众号来讨论。100大概100人左右是吧。好吧，没可能只有一万人。然后3D 3d视觉工坊是一个非常好的平台，大家如果对点云有兴趣，可以关注这个平台，在那个工坊的星球上进行讨论。然后如果要跟我讨论，可以关注我的个人公众号。

啊。呃，如果有老板想招聘我，也可以联系我呀。各位老板，我我愿意为各位老板服务。嗯。老板，哪位老板有兴趣可以可以顾一顾。呃，那那大概大概05:5514了，大家还有什么问题吗？没有问题，就就这样吧。非规则图形的ICP。深规则图形。呃，我不是专门研究可视化的。

这个是之前的。我觉得我我我得出的结论，我觉得web web的可视化是一个非常有前景的。呃，你们可以，你们可以看我写的这个博客。这个。这个是我写的对于对于破碎使用的一些感想。如果有兴趣可以看一下，到时候这个这个PPT也是在那个3D视觉工坊会分享给大家。深度学习处理点，这个深度学习处理点，因为我还我还在学习阶段，我还我还不太会的。ICP。有啥偏可视化，有啥可视化编辑点名的吗？有啥可视化编辑点名的吗？什么意思呢？

嗯，这个问题我不知道，没没理解。开发工业点云后处理软件web还是呃？呃，我说的可能不太对，就是因为我只是我只是做了几个小实验，我觉得偏处理的话，应该还是桌面比较合适。外部的话，我觉得显示比较合适。处理的话你肯定，嗯，现有的软件都是C加加写的，嗯，我觉得可能外婆是一个很有前景的web，然后你提供提供服务，你给他一个接口，然后你把点名上传上去，然后就给它处理好了，我觉得很有前景。

但是目前来说，我觉得桌面端还是比较比较有前景的。比如可以。扭曲，点名。你这个你这个扭曲点实现不了，但可视化切割的话可以实现。点软件赞同这个说法，你做点云分割分类这一种嘛，这个这个做做过只能说了解。点云显示出来有什么用处，这就问到关键了，好看呀，给给，暂时来说显示吧，就是看吧，就是给给给，给老板看，给甲方看。嗯，但。说起来就就看吧，好看吧，你看这样看出来，我我就直接能看出河海大学图书馆。

呃，就是。那个租用楼，这个楼我就看到了嘛。我觉得大概就这个用处。谢谢。一旦渲染大小太大不行的。嗯，这个因为我我这个渲染的才8000万个点，没试过太大的，我感觉跟服务器的能力也是有关系的。相当于三维地图，可以可以这么理解，我觉得可以这么理解。可视化切割很多能OPPO3D都可以。嗯，有什么照片纹理贴图的软件。这个不知道。Web那你是怎么上的？呃，你可能不太清楚来，就是LAS这个格式的那个文件，它有很多属性的，它的那个上色是根据它的属性来上的，它就是有一些强度信息，还有一些分类信息，还有一些高度信息，它的上色是在那里上的？

这个3G可以辅助世界的测量，嗯。点云魔方软件。呃，直接百度点云魔方。这个是中科院开发的一款软件。我感觉这这款软件还不错，开发的显示的话很流畅。现在做点云火吗？我也不知道，我也我也想知道这个问题。应该应该还可以吧。因为我也，我也只是在读研阶段。对这种大方向还是说不清楚的。

视觉工坊，微信群里都没人说话的。我看那个星球里说话的人还挺多的。有没有像这个那样的点名控件？这个我不知道，我我一下的是什么。EWDRAW。国内点运都在智能车上，嗯，我也觉得是。这个点云渲染是深度渲染吗？这个是高度渲染。就是低的地方蓝一点，高的地方黄一点。不同人读过的。

做点后处理，嗯，对，市场这么多，哪个老板把我把我招聘了。那个老板扫描这个二维码。招聘我。我，我愿意为老板服务。那那那那那就这样吧，一个小时过去了。那个今天的直播就就就到这里了。然后。我的分享结束，谢谢大家，希望，希望我今天的分享能对各位同学，还有各位呃朋友的研究或者工作有一些启发。等下。啊，你说你说你说。你可以，你可以关注微信号，跟我私聊也可以。

高度渲染的拥。都可以的啊，谢谢，谢谢大家，谢谢大家。那我就结束了，拜拜。