我已经找到了解决问题的方法。虽然这是一个非常长的堆栈溢出算法，但还请耐心等待。思路是将XY灰度点的向量写成
pgm文件。
步骤1: cloud_to_greyscale - 这个函数将
XYZ点云转换为
XY灰度点向量，并将
cloud作为参数接收。
for each point pt in cloud
point_xy_greyscale.x <- pt.x
point_xy_greyscale.y <- pt.y
point_xy_greyscale.greyscale <- map(pt.z, z_min, z_max, 0, 255)
greyscale_vector.add(point_xy_greyscale)
loop
return greyscale_vector
步骤2：greyscale_to_image - 将先前返回的向量作为greyscale_image写入的函数，这是一个具有width、height和_pixels成员的类，对应于一个通常为unsigned short的双维数组。该函数接收以下参数：greyscale_vector（要转换为图像）和x_epsilon，它将帮助我们确定点的x像素坐标的范围，知道x点坐标是浮点数（因此不适合作为数组索引）。
一些背景信息：我在开发名为widop云的东西，所以在我的3D空间中，x是width，y是depth，z是height。值得注意的是，y是一个整数，所以对于我的问题，图像的height很容易找到：它是y_max - y_min。要找到图像的width，请按照下面的算法操作，如果不清楚，我会回答任何问题，并且我愿意接受建议。
img_width <- 0; // image width
img_height <- y_max - y_min + 1 // image height
// determining image width
for each point greyscale_xy_point in greyscale_vector
point_x_cell <- (pt.x - x_min) * x_epsilon * 10
if point_x_cell > img_width
img_width <- point_x_cell + 1
loop
// defining and initializing image with the calculated height and width
greyscale_img(img_width, img_height)
// initializing greyscale image points
for y <- 0 to greyscale_img.height
for x <- 0 to greyscale_img.width
greyscale_img[y][x] = 0
loop
loop
// filling image with vector data
for each point point_xy_greyscale in greyscale_vector
image_x = (point_xy_greyscale.x - x_min) * x_epsilon * 10
image_y = point_xy_greyscale.y - y_min
greyscale_image[image_y][image_x] = point_xy_greyscale.greyscale
loop
return greyscale_image
唯一剩下的事情就是将图像写入文件，但这很容易做到，你可以在之前链接的与pgm格式相关的链接中找到格式规则。希望这能帮助到某些人。
编辑1：我添加了一张结果的图片。它应该是一条铁路，颜色比较暗是因为有一些高物体，所以地面物体比较暗。
铁路深度图像
