关于RandLA-Net中提供的模型识别结果的.ply文件问题

Question

这是我在 https://github.com/QingyongHu/RandLA-Net?tab=readme-ov-file

里面下载的预训练模型和他识别的结果，我下载之后打开，然后想打开里面的.ply文件看一下他的结果是怎么样的，用了meshlab和cloudcompare都打开不了，一打开txt才发现乱码，如下图所示

请问各位，这种.ply文件如何正确查看

Answer 1

引自免费微信小程序：皆我百晓生

在RandLA-Net中，模型输出的.ply文件是用于存储点云数据以及每个点对应的预测标签和真实标签。从您提供的信息来看，该.ply文件采用的是二进制格式（binary little endian 1.0），并且定义了两个属性：pred（预测标签）和label（实际标签），它们都是无符号8位整数（uint8）。

由于一般的3D模型查看器如MeshLab或CloudCompare可能不直接支持带有特定属性标签的二进制.ply文件，因此无法正确打开和显示。要正确查看这种包含分类标签信息的点云.ply文件，您可以采取以下步骤：

1. 使用支持读取带属性标签的点云软件：

   • PotreeViewer是一个可以处理大规模点云且能展示分类标签的工具，但它需要先将数据转换为Potree格式。
   • 或者您可以编写Python脚本来读取.ply文件并将其转换成其他可视化工具支持的格式，例如LAS/LAZ或者CSV等，然后利用例如ParaView、CloudCompare（加载CSV插件）进行可视化。

2. 自定义脚本解析.ply文件： 您可以编写一个简单的Python脚本来读取这个二进制.ply文件，并根据.ply文件的头部信息将点云数据及其标签读取出来，然后使用matplotlib、mayavi或其他三维可视化库来展示点云及其分类结果。

下面是一个简单的Python脚本示例，用于读取二进制ply文件中的点云数据及标签：

import struct

def read_ply_binary(filename):
    with open(filename, 'rb') as f:
        header = f.readline().decode('utf-8').split()  # Read the header line
        assert header[0] == 'format' and header[1] == 'binary'
        
        elements = []
        while True:
            line = f.readline().decode('utf-8')
            if not line or line.startswith('end_header'):
                break
            element_name, num_elements = line.split()[1:3]
            properties = [p.split() for p in f.readline().decode('utf-8').strip().split('property')]
            
            elements.append({
                'name': element_name,
                'num': int(num_elements),
                'properties': {p[0]: {'type': p[1], 'size': struct.calcsize(p[1])} for p in properties}
            })
        
        vertices = elements[0]  # Assuming the first element is vertex data
        
        points = []
        for _ in range(vertices['num']):
            point_data = f.read(sum(prop['size'] for prop in vertices['properties'].values()))
            point_dict = {}
            offset = 0
            for prop_name, prop in vertices['properties'].items():
                value_size = prop['size']
                dtype = prop['type']
                fmt = '<' + dtype  # Little-endian format
                value = struct.unpack(fmt, point_data[offset:offset+value_size])[0]
                point_dict[prop_name] = value
                offset += value_size
            points.append(point_dict)
        
        return points

# 使用函数读取.ply文件
points = read_ply_binary('Area_1_conferenceRoom_1.ply')

# 然后你可以遍历points来查看或可视化点云及其标签
for point in points:
    print(f"Point: {point['x']}, {point['y']}, {point['z']} - Prediction: {point['pred']} - Label: {point['label']}")

# 进一步地，利用matplotlib或其他3D可视化库绘制点云及分类结果
# ...

请注意，上述代码仅作为参考示例，具体实现可能需要根据实际.ply文件结构进行调整。同时，请确保你安装了必要的Python库（如numpy和struct）。对于可视化部分，您还需要找到合适的库（如matplotlib.pyplot.scatter3d、mayavi.mlab.points3d等）来展示带有颜色编码的点云标签。