如何可视化CSV点云数据？Python中XYZ文件预处理及格式转换方法

一、XYZ文件预处理并转为DataFrame #

XYZ文件一般是纯文本格式，每行存储X/Y/Z坐标，用空格或逗号分隔。用Pandas可以快速读取并做基础预处理：

import pandas as pd

# 读取XYZ文件（空格分隔用sep='\s+'，逗号分隔改sep=','）
df = pd.read_csv('your_file.xyz', sep='\s+', names=['X', 'Y', 'Z'])

# 预处理操作示例：
df = df.dropna()  # 删掉含缺失值的行
df = df.drop_duplicates(subset=['X', 'Y', 'Z'])  # 去除重复点
df = df[(df['Z'] >= -5) & (df['Z'] <= 80)]  # 过滤Z值异常的点（范围按需调整）

二、CSV格式点云的可视化 #

推荐两种实用方式，按需选择：

1. Matplotlib 2D俯视图（快速看平面分布） #

适合快速检查点云的XY平面分布，用Z值做颜色区分高度：

import matplotlib.pyplot as plt

# 读取CSV点云数据
df = pd.read_csv('point_cloud.csv')

plt.figure(figsize=(10, 8))
# s控制点大小，cmap选配色方案
scatter = plt.scatter(df['X'], df['Y'], c=df['Z'], cmap='plasma', s=0.3)
plt.colorbar(scatter, label='Z Height')
plt.xlabel('X')
plt.ylabel('Y')
plt.title('Point Cloud Top View')
plt.show()

2. Open3D 3D交互式可视化 #

支持旋转、缩放等交互，更直观查看3D结构：

import open3d as o3d
import numpy as np

df = pd.read_csv('point_cloud.csv')
# 把X/Y/Z列转成numpy数组
points = np.array(df[['X', 'Y', 'Z']])

# 创建Open3D点云对象
pcd = o3d.geometry.PointCloud()
pcd.points = o3d.utility.Vector3dVector(points)

# 启动可视化窗口
o3d.visualization.draw_geometries([pcd], window_name='3D Point Cloud')

三、CSV转XYZ/LAS格式 #

1. CSV转XYZ #

XYZ是纯文本格式，直接导出X/Y/Z列即可：

# 假设df是处理好的DataFrame，只保留X/Y/Z列导出
df.to_csv('output.xyz', sep=' ', columns=['X', 'Y', 'Z'], index=False, header=False)

2. CSV转LAS #

用laspy库处理，先通过pip install laspy安装依赖：

import laspy
import numpy as np

df = pd.read_csv('point_cloud.csv')
points = np.array(df[['X', 'Y', 'Z']], dtype=np.float64)

# 创建LAS文件头，设置坐标精度和偏移
header = laspy.LasHeader(point_format=3, version="1.2")
header.scales = [0.01, 0.01, 0.01]  # 坐标精度，单位米
header.offset = [points.min(axis=0)[0], points.min(axis=0)[1], points.min(axis=0)[2]]

# 填充LAS数据并保存
las = laspy.LasData(header)
las.x = points[:, 0]
las.y = points[:, 1]
las.z = points[:, 2]

las.write('output.las')

内容的提问来源于stack exchange，提问作者Nishtha Sharma