基于Python实现JSON点云数据的3D可视化与过滤

一、前言

点云数据是三维空间中点的集合，广泛应用于计算机视觉、机器人导航和3D建模等领域。其核心在于通过大量离散点描述物体的几何形状。本文的代码旨在解决以下问题：

1. 如何从JSON格式中高效读取点云数据；
2. 如何利用Python可视化工具展示点云分布；
3. 如何对点云数据进行简单过滤（如Z轴值筛选）。

通过该代码，用户可以快速生成点云分布图，并分析不同转速比下的点云特征。

二、整体架构流程

1. 模块划分：

   • Batch_reading：批量读取JSON文件并绘制点云。
   • single_reading：单个文件读取、过滤并绘制3D/2D点云。

2. 核心流程：

   • 数据读取：

     with open(f'D:/.../Orthogonal_axis_motor_point_cloud_data_{
              num+1}.json', 'r') as file:
         points_data = json.load(file)
     

     使用json.load读取JSON文件，将点云数据加载为Python对象。

   • 数据处理：

     points_array = np.array(points_data)
     

     将点云数据转换为NumPy数组，便于后续操作。

   • 3D绘图：

     fig = plt.figure()
     ax = fig.add_subplot(111, projection='3d')
     ax.scatter(points_array[:, 0], points_array[:, 1], points_array[:, 2], c='b', marker='o', s=5)
     

     使用Matplotlib绘制3D点云，支持动态标题和网格线显示。

   • 过滤与2D投影：

     z_0 = 15000 * np.tan(-np.pi / 18)
     points_array = points_array[points_array[:, 2] >= z_0]
     

     基于Z轴值过滤点云数据，并支持2D投影展示。

三、技术细节

1. JSON文件读取：
   json包如下：

   [
    [
        0.0,
        49.99999999999999,
        19.20832241028353
    ],
    [
        0.2277464405828954,
        49.99948131289765,
        19.2062623555502
    ],
    [
        0.45542715698783337,
        49.99792581802448,
        19.20008297879511
    ],
    [
        0.6829764678185707,
        49.995335213841756,
        19.18978664134152
    ],
    [
        0.9103287771569357,
        49.991712328319785,
        19.1753772753