preprocessing/vis_data_my.py

import numpy as np
from plyfile import PlyData
import open3d as o3d
import matplotlib.pyplot as plt

def read_custom_ply(filepath):
    """
    第一步：读取包含自定义 label 和 instance_id 的 PLY 文件
    """
    print(f"正在读取文件: {filepath}")
    with open(filepath, 'rb') as f:
        plydata = PlyData.read(f)
    
    vertex_data = plydata['vertex'].data
    
    # 提取各个字段
    x = vertex_data['x']
    y = vertex_data['y']
    z = vertex_data['z']
    r = vertex_data['red']
    g = vertex_data['green']
    b = vertex_data['blue']
    label = vertex_data['label']
    instance = vertex_data['instance_id']
    
    # 拼装回 N x 8 的矩阵
    voxel_pc = np.vstack((x, y, z, r, g, b, label, instance)).T
    return voxel_pc

def verify_data_stats(voxel_pc):
    """
    第二步：打印统计信息，从数据层面验证
    """
    print("\n--- 数据层面验证 ---")
    print(f"1. 数据形状 (Shape): {voxel_pc.shape} -> 代表有 {voxel_pc.shape[0]} 个体素点，{voxel_pc.shape[1]} 个特征通道")
    
    # 验证坐标是否被离散化（体素化的核心特征）
    xyz = voxel_pc[:, 0:3]
    print(f"2. 坐标范围 (X, Y, Z Min-Max):")
    print(f"   X: {np.min(xyz[:,0]):.2f} 到 {np.max(xyz[:,0]):.2f}")
    print(f"   Y: {np.min(xyz[:,1]):.2f} 到 {np.max(xyz[:,1]):.2f}")
    print(f"   Z: {np.min(xyz[:,2]):.2f} 到 {np.max(xyz[:,2]):.2f}")
    
    # 如果你使用了 np.floor 或者 ME.utils.sparse_quantize，
    # 检查坐标是否有小数。如果全都是整数，说明体素化成功了！
    is_integer_coords = np.all(xyz == np.floor(xyz))
    print(f"3. 坐标是否全部为离散整数?: {'✅ 是 (体素化成功)' if is_integer_coords else '❌ 否 (可能未量化)'}")

    # 验证标签和实例
    unique_labels = np.unique(voxel_pc[:, 6])
    unique_instances = np.unique(voxel_pc[:, 7])
    print(f"4. 包含的独特语义类别 (Labels) 数量: {len(unique_labels)} 种")
    print(f"   具体 Labels ID: {unique_labels}")
    print(f"5. 包含的独立物体实例 (Instances) 数量: {len(unique_instances)} 个")

def visualize_voxel_pointcloud(voxel_pc):
    """
    第三步：使用 Open3D 进行视觉验证
    """
    print("\n--- 可视化验证 ---")
    print("正在打开 3D 窗口...")
    
    xyz = voxel_pc[:, 0:3]
    # Open3D 的颜色需要归一化到 [0, 1] 区间
    rgb = voxel_pc[:, 3:6] / 255.0 
    labels = voxel_pc[:, 6]

    # 创建 Open3D 点云对象
    pcd = o3d.geometry.PointCloud()
    pcd.points = o3d.utility.Vector3dVector(xyz)
    
    # ---------------------------------------------------------
    # 视图 1：真实色彩 (RGB)
    # ---------------------------------------------------------
    pcd.colors = o3d.utility.Vector3dVector(rgb)
    print("展示视图 1：RGB 真实色彩。你可以用鼠标拖拽旋转，滚轮缩放。")
    print("（请关闭弹出的 3D 窗口以继续下一步...）")
    # 创建一个坐标系辅助理解方向
    axes = o3d.geometry.TriangleMesh.create_coordinate_frame(size=2.0, origin=[0, 0, 0])
    o3d.visualization.draw_geometries([pcd, axes], window_name="视图 1: Voxel RGB Colors")

    # ---------------------------------------------------------
    # 视图 2：语义标签伪彩色 (Semantic Labels)
    # ---------------------------------------------------------
    # 使用 matplotlib 生成区分度高的伪彩色图，为每个 label 分配一个随机颜色
    max_label = int(np.max(labels))
    cmap = plt.get_cmap("tab20") # tab20 包含 20 种高对比度颜色
    
    # 将 label 映射为颜色
    label_colors = np.zeros_like(rgb)
    for i in range(len(labels)):
        # 背景/未标记点（通常是 0）设为灰色，其他分配彩色
        if labels[i] == 0:
            label_colors[i] = [0.5, 0.5, 0.5] 
        else:
            # 归一化 label 以获取 colormap 颜色
            color_idx = (labels[i] % 20) / 20.0 
            label_colors[i] = cmap(color_idx)[:3] 

    pcd.colors = o3d.utility.Vector3dVector(label_colors)
    print("展示视图 2：语义标签伪彩色。同一种颜色的点代表同一种类别的物体（如全是椅子）。")
    print("（请关闭弹出的 3D 窗口以退出程序...）")
    o3d.visualization.draw_geometries([pcd, axes], window_name="视图 2: Semantic Labels")

if __name__ == '__main__':
    # 替换为你实际生成的 voxel_ply 文件路径
    test_file_path = "data/processed_data/ScanNet/point_cloud/train/scene0000_00_voxel_0.1.ply" 
    
    try:
        # 1. 读取
        voxel_data = read_custom_ply(test_file_path)
        # 2. 打印统计信息
        verify_data_stats(voxel_data)
        # 3. 渲染可视化
        visualize_voxel_pointcloud(voxel_data)
    except FileNotFoundError:
        print(f"错误：找不到文件 {test_file_path}。请检查路径是否正确。")