评价：matplotlib显示三维点云，对电脑性能要求较高，没有GPU的话，显示会有些卡顿。 如果只是显示点云查看效果，还是不错的选择。

import numpy as np 
import matplotlib.pyplot as plt 
from mpl_toolkits.mplot3d import Axes3D
#打开点云数据文件
f=open('RawXYZ.xyz','r')
point=f.read()
f.close()
#数据预处理
l1=point.replace('\n',',')
#将数据以“，”进行分割
l2=l1.split(',')
l2.pop()
#print(l2)
#将数据转为矩阵
m1=np.array(l2[0:160000])
print(len(m1))
m2=m1.reshape(40000,4)
print(m2)
m3=[]
for each in m2:
	each_line=list(map(lambda x:float(x),each))
	m3.append(each_line)
m4=np.array(m3)
#列表解析x,y,z的坐标
x=[k[0] for k in m4]
y=[k[1] for k in m4]
z=[k[2] for k in m4]
#开始绘图
fig=plt.figure(dpi=120)
ax=fig.add_subplot(111,projection='3d')
plt.title('point cloud')
#利用xyz的值，生成每个点的相应坐标（x,y,z）
ax.scatter(x,y,z,c='b',marker='.',s=2,linewidth=0,alpha=1,cmap='spectral')
ax.axis('scaled')          
ax.set_xlabel('X Label')
ax.set_ylabel('Y Label')
ax.set_zlabel('Z Label')
plt.show()
                    python】处理点云数据并三维显示评价：matplotlib显示三维点云，对电脑性能要求较高，没有GPU的话，显示会有些卡顿。 如果只是显示点云查看效果，还是不错的选择。效果：代码：import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D#打开点云数据文件...
				
PyQt   Python VTK  PCL Qt pyqt5Gui  三维重建，可视化; 按钮；
使用Python 可视化 GUI，需要用到 Qt; 这里是一个简单的例子,读取点云数据，显示；
基于 VTK9, pyqt5 ,python3.9 ,pypcl0.11
				
文章目录一、3D散点图语法二、3D散点图参数三、返回类型四、实例4.1 在三维空间中绘制单个数据4.2 使用列中的值将符号分配给标记4.3 3d 散点图样式4.4 Dash 中的 3d 散点图
一、3D散点图语法
plotly.express.scatter_3d(data_frame=None,
                          x=None,
                          y=None,
                          z=None,
				
以曲率图作为三维点云数据的特征描述函数，并运用曲率图实现了三维点云数据的配准．对于含有噪声的点云数据，先根据每个点的邻域特性估算其曲率值，然后根据每个点及其周围邻域点的曲率值构造该点的曲率图．通过在多比例空间下曲率图的特征保持分析，可提取到最能反映该点云数据特征的特征点集．对于两两配准，这些特征点集被用于三维点云数据的粗略配准算法中，该算法利用点云内部空间点相对位置在刚性变换下的不变特性实现了特征点对的匹配，由匹配的特征点对进行坐标变换求解，完成了两三维点云的粗略配准，然后运用迭代最近点算法进行精确配准．最后将整个配准算法应用于真实的三维点云数据，结果表明该算法能有效抑制点云采样密度及噪声的影响，能够快速实现点云数据的精确配准．
  x_range = 60.0
  y_range = 60.0
  grid_size = np.array([2 * x_range / x_size, 2 * y_range / y_size])
  image_size
				
要在 Python 中展示三维点云数据，可以使用 Matplotlib 库的 mplot3d 模块。该模块提供了 Axes3D 类，可以用于创建三维坐标轴。以下是一个简单的例子：
```python
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
# 创建三维坐标轴
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
# 生成随机数据
x = np.random.normal(size=100)
y = np.random.normal(size=100)
z = np.random.normal(size=100)
# 绘制散点图
ax.scatter(x, y, z)
# 设置坐标轴标签
ax.set_xlabel('X Label')
ax.set_ylabel('Y Label')
ax.set_zlabel('Z Label')
# 显示图像
plt.show()
在这个例子中，我们首先创建了一个三维坐标轴，然后生成了一些随机数据，并使用 scatter() 函数绘制了三维散点图。最后，我们设置了坐标轴的标签，并调用 show() 函数显示图像。