第17章 - 点云可视化与三维发布

PDAL 自己不渲染点云。它没有 viewer、没有着色器、没有相机。这句话听起来像限制，实际是它的设计选择：PDAL 负责把点云整理成”能被渲染器高效消费”的几种形态，剩下的交给 Potree、Cesium、QGIS、Blender 或自研 WebGL 客户端。

所以这一章不是讲”怎么用 PDAL 看图”，而是讲发布的四种产物以及各自的生成方式：

选哪条路取决于数据量与交互需求：给业务人员看图用 COPC + Potree；给别人一个模型文件用 GLB；要做分析出图用栅格。

17.1 先决条件：点云得先”可索引”

浏览器渲染点云的难点不在着色，而在一次不能传太多点。1000 万点按 tiled 结构分块，每块几千到几万点，随视距加载——这就是 COPC 与 EPT 的价值。

17.1.1 COPC：单文件八叉树

writers.copc 把 LAS 1.4 写成带内部层级索引的 LAZ，单个文件既是”完整数据”也是”可随机访问的瓦片集合”。这是目前最省事的发布形态：

[
  { "type": "readers.las", "filename": "input.laz" },
  { "type": "filters.assign", "assignment": "Red[:]=Red" },
  {
    "type": "writers.copc",
    "filename": "output.copc.laz",
    "forward": "all",
    "scale_x": 0.01, "scale_y": 0.01, "scale_z": 0.01,
    "offset_x": "auto", "offset_y": "auto", "offset_z": "auto"
  }
]

写完后可以直接用官方在线查看器验证：https://viewer.copc.io 支持把 COPC 文件拖进浏览器（Chrome/Edge 下走 File System Access API），不需要上传服务器。

17.1.2 EPT：目录形式的发布层

EPT 把数据拆成 ept.json + 瓦片目录，适合放对象存储 + CDN。构建用 Entwine（第 14 章）：

entwine build -i ./classified.laz -o ./ept/classified

EPT 的强项是”看着像一张无限大的底图”：浏览器先取 ept.json 拿到八叉树结构，再按视锥与视距取节点。PDAL 官方文档里直接给出 Potree 的示例（纽约 47 亿点），并说明 readers.ept 可以做空间与分辨率查询——这也是 Web 端取数的服务化基础。

17.1.3 先降采样再发布

原始点云常有每平方米几十到几百点，浏览器端并不需要。用 filters.decimation 或 readers.copc 的 resolution 先降采样：

[
  { "type": "readers.copc", "filename": "raw.copc.laz", "resolution": 0.05 },
  { "type": "writers.copc", "filename": "web.copc.laz" }
]

resolution 的单位与数据坐标系一致，米制下 0.05 表示约 400 点/m² 的上限；Web 展示通常 0.2–1.0 就足够，文件能小一到两个数量级。

17.2 导出可渲染的网格

点云在 WebGL 里要靠 splat/point 材质渲染；如果要”实体表面”，就得先三角化。

17.2.1 三角化：poisson 还是 greedyprojection

17.2.2 导出 GLB

writers.gltf 输出二进制 glTF（.glb），并且要求 point view 里已经有 mesh（否则没有可写的三角形）：

[
  "input.las",
  { "type": "filters.poisson", "depth": 12 },
  {
    "type": "writers.gltf",
    "filename": "output.glb",
    "red": 0.8, "green": 0.75, "blue": 0.7,
    "metallic": 0.0, "roughness": 0.9,
    "colors": false, "normals": true
  }
]

参数（默认值都来自官方文档）：

colors: true 要配合 filters.normal 先算法向量，否则 normals: true 会因为缺维度而失败。

17.2.3 PLY：给桌面软件的中间格式

writers.ply 同时支持点与面，storage_mode 可选 ascii/little endian/big endian（默认 ascii）。CloudCompare、MeshLab、Blender 都能直接打开。对不需要 GLB 的场景，PLY 比 glTF 更省事。

17.3 2.5D 与制图输出

17.3.1 栅格产品

writers.gdal（第 10 章详述）把点云插值成 GeoTIFF，配 gdaldem 出山体阴影、坡度；writers.raster 输出原始栅格。这是给 QGIS/GeoServer 用的最直接产物，也是报告里”一张图”的来源。

17.3.2 矢量产品

writers.ogr 把点云按维度写成 OGR 矢量（点图层）。适合把稀疏的样点、检查点导出成 GeoPackage/Shapefile，在 GIS 里叠加底图检查位置是否正确。

17.4 三维发布的性能账

发布形态的选择本质上是一道带宽与内存的算术题。

17.4.1 数据量估算

发布前用 pdal info --summary 看 count 和文件大小，按上表估算首屏加载量，再决定降采样参数。

17.4.2 首屏时间怎么压

• 降采样：resolution 或 filters.decimation 把首屏数据控制在 100–300 万点。
• 控制层级：COPC 的八叉树层级数量与文件体积相关，不是越多越好。
• 就近部署：CDN 或与计算同区域的对象存储，跨洲访问的 RTT 会抵消一切压缩优化。
• 避免服务端实时处理：Web 请求打到 readers.copc + 一堆过滤器上，延迟不可控；正确做法是离线处理好，线上只做 Range 读。

17.5 从点云到 Web 三维：链路拆解

把 PDAL 产物接到浏览器，中间通常还有一步格式转换。三条现实链路：

17.5.1 链路 A：COPC + Potree

原始 LAS/LAZ
   │ pdal translate（分类、降采样）
   ▼
COPC (.copc.laz)  ──►  静态文件服务 / CDN
   │
   └─ Potree 前端按视锥请求 Range

Potree 原生支持 COPC，前端按节点请求 HTTP Range，服务端只需要能响应 Range 请求的静态文件服务（Nginx 默认支持）。这条链路没有中间格式、没有服务端处理，是当前最省事的方案。

17.5.2 链路 B：EPT + Potree/Cesium

LAZ 清单
   │ entwine build
   ▼
EPT 目录（ept.json + ept-data/）
   │ 上传对象存储（保持目录结构）
   ▼
CDN  ──► Potree（原生 EPT）/ Cesium（经 3D Tiles 转换）

Cesium 消费的是 3D Tiles，不是 EPT 本身。EPT → 3D Tiles 需要外部转换工具（如 py3dtiles 生态里的转换器），PDAL 不提供这一步。如果你只需要浏览器看图，优先选链路 A。

17.5.3 链路 C：网格 + GLB

点云 ─► filters.poisson ─► writers.gltf ─► .glb
                                   │
                                   ├─ three.js / Babylon.js 直接加载
                                   ├─ Blender 编辑后再导出
                                   └─ Cesium glTF 模型

适合”给一个模型”而不是”给一整片点云”的场景：单栋建筑、一段地形、一个设备的三维模型。GLB 是自包含的二进制格式，单文件可拖入任何支持 glTF 的引擎。

17.5.4 三条链路怎么选

17.6 发布前的检查清单

一份点云发布出去之前，至少确认下面几项——每一项都对应过真实故障：

17.7 排错清单

17.8 生产建议

发布与处理分离。 生产端离线跑完整 pipeline 产出 COPC/EPT；线上只做静态文件服务，不要在前端请求时动态执行 PDAL。延迟和成本都可控。

COPC 优先于 EPT。 单文件便于分发、校验和缓存，viewer.copc.io 与 Potree 都直接支持；只有在需要增量更新、或数据量到百亿级必须拆目录时才用 EPT。

网格只是展示层。 filters.poisson 的结果不能替代点云做量测——三角化的精度取决于点密度和算法，用它算体积、坡度会引入系统误差。量测一律回到点云。

给三维模型配”轻量元数据”。 发布时同时导出 bounds、点数、SRS、生成参数（pipeline JSON 全文）。下游在 Cesium/Potree 里定位、配准、叠图都依赖这几个值。

17.9 本章小结