我主要是参考了英文博客来撰写本篇文章，仅作为个人学习笔记参考使用。

点云数据应该表示为一个numpy数组，有 N N N 行，至少 3 3 3 列。每一行对应一个点，用至少 3 3 3 个值表示它在空间中的位置 ( x , y , z ) (x,y,z) (x,y,z)。

如果点云数据来自激光雷达传感器，那么它可能会为每个点提供额外的值，例如“反射率”，这是对该位置障碍物反射回多少激光光束的测度。在这种情况下，点云数据可能是一个 N × 4 N\times 4 N×4 数组。

关于图像需要注意的一些重要事项:

图像中的坐标值总是正的。

原点位于左上角。

坐标是整数值。

关于点云坐标需要注意的事项:

点云中的坐标值可以是正的，也可以是负的。

坐标可以取实数。

正x轴代表向前。

正y轴代表左。

正z轴代表向上。

为了创建鸟瞰图像，点云数据的相关轴将是x轴和y轴。

然而，正如我们从上图中看到的，我们必须小心，并考虑到以下几点:

x轴和y轴的意思正好相反。

x和y轴指向相反的方向。

你必须移动这些值，使 ( 0 , 0 ) (0,0) (0,0) 成为图像中最小的坐标值。

通常只关注点云的特定区域是有用的。因此，我们想要创建一个过滤器，它只保留我们感兴趣的区域内的点。

因为我们是从顶部看数据，我们目的在于将其转换为图像，我将使用与图像轴更一致的方向。下面，我指定了相对于原点我想要关注的值范围。原点左边的任何东西都被认为是负的，右边的任何东西都被认为是正的。点云的x轴将被解释为向前方向(这将是我们的鸟瞰图像的向上方向)。

下面的代码将感兴趣的矩形设置为在原点两侧的跨度为10m，原点向前面的跨度为20m。

接下来，我们创建一个过滤器，只保留实际位于我们指定的矩形内的点。