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值的点来细化激光雷达点云。
每个网格单元仅返回一个点。
我用python编写了以下函数，但与MATLAB中的类似实现相比，处理示例文件所需的时间要长得多(大约慢10倍)。
函数中有没有什么我可以修改以提高速度的地方？
在函数中，数据是一个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,:]回答 1
Stack Overflow用户
发布于 2018-06-10 03:08:59
关于代码的更新答案
问题是，在Python中，简单的" for“循环很慢，并且您的代码有一个很大的for循环。要获得Python的最大速度，您应该尝试使用"vectorize" your code或numba，并尝试使用for循环重写代码，就像编写C++一样。
旧答案
因此，如果我没有理解错您的问题，这就是使用https://github.com/daavoo/pyntcloud完成此任务的方法
加载样例点云：
from pyntcloud import PyntCloud
cloud = PyntCloud.from_file("tests/data/sphere.ply")它看起来像这样：
然后，您必须构建一个非重叠单元的网格(在pyntcloud中称为voxelgrid )。
在这里，size_x和size_y是如何指定沿每个轴的单元格大小的。
voxelgrid_id = cloud.add_structure("voxelgrid", size_x=10, size_y=10)体素网格如下所示：
最后，您可以通过选择每个单元格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)它看起来像这样：
您可以访问新细化点云的xyz值，如下所示：
data = thinned_cloud.xyz这在内部使用了pandas.groupby，与您发布的代码相比，这应该是一个速度上的提高。但是，如果这仍然不够快，我建议您尝试https://numba.pydata.org/
在https://github.com/daavoo/pyntcloud/blob/master/pyntcloud/utils/numba.py中有几个可能对您有用的示例操作
https://stackoverflow.com/questions/50726437
复制相似问题