Numpy点云转图像

Question

我有一个点云数据，大致像这样：

图中红色点表示原始点云，黑色点表示将红色点云在xy平面上的投影。尽管在该图中不可见，但每个点还有一个值，当将其移动到xy平面上时，该值被添加到给定像素上。这些点由numpy（np）数组表示，如下所示：

points=np.array([[x0,y0,z0,v0],[x1,y1,z1,v1],...[xn,yn,zn,vn]])

将这些要点转化成图像的最直观方法是通过简单的循环，如下所示：

image=np.zeros(img_size)

for point in points:
    #each point = [x,y,z,v]
    image[tuple(point[0:2])] += point[3]

目前这个代码可以运行，但是速度比较慢。因此，我想知道是否有一些利用向量化、切片和其他聪明的Numpy/Python技巧来加速它的方法，因为实际上我需要对大量点云进行这样的操作。我已经考虑过使用np.put的方法：

def points_to_image(xs, ys, vs, img_size):
    img = np.zeros(img_size)
    coords = np.stack((ys, xs))
    #put the 2D coordinates into linear array coordinates
    abs_coords = np.ravel_multi_index(coords, img_size)
    np.put(img, abs_coords, ps)
    return img

在这种情况下，点被预先分成包含x、y和v分量的向量。虽然这很好用，但它当然只将最后一个点放在给定像素上，即它不是累加的。

非常感谢您的帮助！

- Mr Squid

---

你很接近了。缺失的部分是 np.bincount。将其与您的展平坐标作为第一个参数，权重作为第二个参数，图像大小作为第三个参数一起使用。 - Paul Panzer

Answer 1

感谢@Paul Panzer提供:

def points_to_image(xs, ys, ps, img_size):
    coords = np.stack((ys, xs))
    abs_coords = np.ravel_multi_index(coords, img_size)
    img = np.bincount(abs_coords, weights=ps, minlength=img_size[0]*img_size[1])
    img = img.reshape(img_size)

在我的电脑上，循环版本需要0.4432秒，而向量化只需要0.0368秒。因此速度提高了12倍。

============ 编辑 ============

快速更新：使用torch...

def points_to_image_torch(xs, ys, ps, sensor_size=(180, 240)):
    xt, yt, pt = torch.from_numpy(xs), torch.from_numpy(ys), torch.from_numpy(ps)
    img = torch.zeros(sensor_size)
    img.index_put_((yt, xt), pt, accumulate=True)
    return img

我一直测试到0.00749。并且这全部在CPU上进行，比使用Python循环快了59倍。我也尝试在GPU上运行，但速度似乎没有提升。我猜测在accumulate=True的情况下，它可能在GPU上使用某种原子操作来降低速度。

- Mr Squid

---

不错的实现。在 Torch 代码中，第四行应该是：img.index_put_((yt, xt), pt, accumulate=True)。 - Victor Zuanazzi

我正在尝试用已知的内参进行相同的操作。你能否提供一种方法来实现这个目标？https://stackoverflow.com/questions/64276915/projection-image-of-known-intrinsics-to-a-point-cloud - user1241241

这个被低估了太多了 - undefined