點擊“藍字”關注點云PCL，選擇“星標”獲取最新文章

PDAL是點云數據處理的庫。這是一個C/C++開源庫，用于點云數據的轉換和處理。盡管該庫中許多工具的重點和發展都起源于激光雷達點云數據的處理，但它也不限于激光雷達數據。

什么是PDAL？

PDAL是點云數據處理的庫。這是一個C/C++開源庫，用于點云數據的轉換和處理。盡管該庫中許多工具的重點和發展都起源于激光雷達點云數據的處理，但它也不限于激光雷達數據。

一個簡單的PDAL點云處理流程，由讀文件、濾波模塊和寫點云模塊組成

組成此操作以將數據重新投影并加載到PostgreSQL的PDAL JSON流程如下所示：

{
"pipeline":[
{
"type":"readers.las",
"filename":"input.las"
},
{
"type":"filters.reprojection",
"out_srs":"EPSG:3857"
},
{
"type":"writers.pgpointcloud",
"connection":"host='localhost' dbname='lidar' user='hobu'",
"table":"output",
"srid":"3857"
}
]}

PDAL可以為點云的濾波、剪裁、平鋪、轉換為處理流程以及必要時重用等操作組成中間模塊。它允許您將這些流程定義為JSON文件，并提供一個pipeline來執行它們。

它與其他工具有何不同？

LAStools

Martin Isenburg（https://www.cs.unc.edu/~isenburg/）

的LAStools是可用于激光雷達處理的最常見的開源處理工具套件之一。PDAL在許多重要方面的理念不同：

1，PDAL的所有模塊都是在OSI許可下作為開源軟件發布的。

2，PDAL允許開發人員在處理流程作為專有擴展模塊。這些可能是自定義格式讀取器、專門的算法或整個方案。

3，PDAL可以對任何格式的點云數據進行操作，而不僅僅是ASPRS LAS。LAStools可以讀取和寫入除LAS以外的其他格式，但會將所有數據與其對LAS數據的內部處理相關聯，從而將其限制為LAS格式提供的維度類型。

4，PDAL由用戶使用其聲明性JSON語法進行協調。LAStools是通過將許多小型的、專門化的命令行實用程序與復雜的參數連接在一起。

5，PDAL是一個開源項目，它的所有開發活動都可以在線獲得https://github.com/PDAL/PDAL

與PCL的區別

PCL是點云數據的一個補充而不是替代的開源軟件處理的套件。PCL庫的開發專注于算法開發、機器人和計算機視覺以及實時激光掃描儀處理。PDAL可以讀寫PCL的PCD格式。

與Potree的區別

Potree是一個WebGL HTML5點云渲染器，使用ASPRS LAS和LASzip壓縮LAS。你可以在https://github.com/potree/potree/進行訪問

其他開源點云庫

其他開源點云軟件傾向于桌面GUI，而不是以庫為中心。它們包括一些處理操作，有時甚至嵌入PDAL之類的工具。這些其他工具包括：

• libLAS

• CloudCompare

• Fusion

• OrfeoToolbox

libLAS項目是一個早于PDAL的開源項目，它提供了PDAL提供的一些處理功能。它目前處于維護模式，因為它依賴于LAS，相關的LAStools功能作為開源庫發布，以及Python LAS軟件的完成。

PDAL是從何而來？

PDAL借鑒了另一個非常流行的開源項目GDAL。GDAL是地理空間數據抽象庫，它在整個地理空間軟件行業中用于為各種光柵和矢量格式提供處理支持。PDAL為點云數據類型提供了相同的功能。PDAL是在為美國陸軍工程兵團CRREL網格項目開發數據庫存儲和訪問功能的基礎上發展起來的。正在蔓延到libLAS中的功能被引入了一個新的庫中，它的設計初衷是模仿地理空間軟件領域中成功的提取、轉換和加載庫。隨著其他軟件開發人員使用PDAL為他們的軟件提供點云數據轉換和處理能力，PDAL已經吸引了更多的貢獻者。

點云數據與柵格或矢量地理數據有何不同？

點云數據確實非常像許多地理空間從業者所熟悉的典型矢量點數據類型，但它們的龐大的數量會帶來一些重大挑戰。除了它們的X、Y和Z位置之外，每個點通常都有其他事物的完整屬性信息，如強度、時間、RGB等。點云數據的典型矢量可能會達到一百萬個左右的特征。所以這樣的點云很快就會進入數十億甚至萬億的規模，因此必須使用專門的處理和管理技術來有效地處理如此多的數據。用于提取和利用點云數據的算法也明顯不同于典型的矢量GIS工作流程，數據組織對于有效利用可用計算非常重要。這些特性需要一個面向這些方法的庫，PDAL實現了這一點。

PDAL擅長哪些任務？

PDAL在點云數據轉換工作流程中非常有用。它允許用戶通過為內容提供抽象API將算法應用于數據，從而讓用戶不用擔心許多數據格式問題。PDAL的格式問題確實帶來了一些間接成本。但是在大多數情況下，這并不重要，對于具有特定數據的特定處理工作流，專用工具肯定會優于它。PDAL還提供了一個簡單的命令行，它通過Numpy擴展了簡單的通用Python處理。這些特性使它對軟件開發人員、數據管理人員和科學研究人員具有吸引力。

PDAL的弱點是什么？

PDAL沒有提供友好的GUI界面，需要對點云的濾波、讀寫器有一定的了解。

PDAL首先是一個軟件庫。一個成功的軟件庫必須滿足軟件開發人員的需求，他們使用它為自己的軟件提供軟件功能。除了用作軟件庫之外，PDAL還提供了一些命令行應用程序，用戶可以利用這些應用程序方便地用PDAL點云轉換、過濾和處理數據。最后，PDAL以嵌入式操作和Python擴展的形式提供Python支持。

核心C++軟件庫

PDAL提供了一個C++ API開發軟件，可以在自己的軟件中提供點云處理能力。PDAL是跨平臺C++，可以在Linux、OS X和Windows上編譯運行。

開源庫 https://github.com/PDAL/PDAL.git

資源

三維點云論文及相關應用分享

【點云論文速讀】基于激光雷達的里程計及3D點云地圖中的定位方法

3D目標檢測：MV3D-Net

三維點云分割綜述（上）

3D-MiniNet: 從點云中學習2D表示以實現快速有效的3D LIDAR語義分割（2020）

win下使用QT添加VTK插件實現點云可視化GUI

JSNet：3D點云的聯合實例和語義分割

大場景三維點云的語義分割綜述

PCL中outofcore模塊---基于核外八叉樹的大規模點云的顯示

基于局部凹凸性進行目標分割

基于三維卷積神經網絡的點云標記

點云的超體素(SuperVoxel)

基于超點圖的大規模點云分割

更多文章可查看：點云學習歷史文章大匯總

SLAM及AR相關分享

【開源方案共享】ORB-SLAM3開源啦！

【論文速讀】AVP-SLAM：自動泊車系統中的語義SLAM

【點云論文速讀】StructSLAM:結構化線特征SLAM

SLAM和AR綜述

常用的3D深度相機

AR設備單目視覺慣導SLAM算法綜述與評價

SLAM綜述(4)激光與視覺融合SLAM

Kimera實時重建的語義SLAM系統

SLAM綜述(3)-視覺與慣導，視覺與深度學習SLAM

易擴展的SLAM框架-OpenVSLAM

高翔：非結構化道路激光SLAM中的挑戰

SLAM綜述之Lidar SLAM

基于魚眼相機的SLAM方法介紹

往期線上分享錄播匯總

第一期B站錄播之三維模型檢索技術

第二期B站錄播之深度學習在3D場景中的應用

第三期B站錄播之CMake進階學習

第四期B站錄播之點云物體及六自由度姿態估計

第五期B站錄播之點云深度學習語義分割拓展

第六期B站錄播之Pointnetlk解讀

[線上分享錄播]點云配準概述及其在激光SLAM中的應用

[線上分享錄播]cloudcompare插件開發

[線上分享錄播]基于點云數據的?Mesh重建與處理

[線上分享錄播]機器人力反饋遙操作技術及機器人視覺分享

[線上分享錄播]地面點云配準與機載點云航帶平差

如果你對本文感興趣，請點擊“原文閱讀”獲取知識星球二維碼，務必按照“姓名+學校/公司+研究方向”備注加入免費知識星球，免費下載pdf文檔，和更多熱愛分享的小伙伴一起交流吧！

以上內容如有錯誤請留言評論，歡迎指正交流。如有侵權，請聯系刪除

掃描二維碼

? ? ? ? ? ? ? ? ? ?關注我們

讓我們一起分享一起學習吧！期待有想法，樂于分享的小伙伴加入免費星球注入愛分享的新鮮活力。分享的主題包含但不限于三維視覺，點云，高精地圖，自動駕駛，以及機器人等相關的領域。

分享及合作方式：微信“920177957”（需要按要求備注） 聯系郵箱：dianyunpcl@163.com，歡迎企業來聯系公眾號展開合作。

點一下“在看”你會更好看耶

總結

以上是生活随笔為你收集整理的PDAL点云处理库介绍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。