首先了解一下什么是PCD格式的文件，PCD（Point Cloud Data） 文件是 PCL（Point Cloud Library） 引入的一种新的描述点云的格式。让我详细介绍一下 PCD 文件的结构和内容。

（1）文件头部：

• 每个 PCD 文件都包含一个文件头，用于标识并声明存储在文件中的点云数据的一些特性。
• PCD 文件头必须以 ASCII 编码表示。
• 文件头的每个字段以及 ASCII 点数据都使用 新行（\n） 分隔。

（2）PCD 文件头的字段：

下面是 PCD 文件头的一些字段，按照指定的顺序精确指定：

• VERSION：指定 PCD 文件版本，目前 PCL 支持的版本为 0.7。
• FIELDS：指定点具有的维度或字段的名称，例如 x、y、z 坐标、法线、颜色等。
• SIZE：指定每个维度的大小（以字节为单位）。
• TYPE：将每个维度的类型指定为一个字符，例如 F（浮点型）、U（无符号整型）等。
• COUNT：指定每个维度有多少个元素，通常为 1。
• WIDTH：以点数为单位指定点云的宽度，即点的数量。
• HEIGHT：有组织的点云数据集的高度，即扫描线数。
• VIEWPOINT：为数据集中的点指定采集视点，用于构建不同坐标系之间的变换或处理需要一致方向的特征，如曲面法线。
• POINTS：指定云中的点总数。
• DATA：指定存储点云数据的数据类型，支持三种类型：ascii、binary 和 binary_compressed。

（3）优势：

• PCD 文件格式相对于其他文件格式的优势包括：
• 存储和处理有组织的点云数据集的能力，对于实时应用和增强现实、机器人等研究领域至关重要。
• 二进制/数据类型是将数据加载和保存到磁盘的最快方法。
• 存储不同的数据类型允许点云数据在存储和处理方面灵活高效。
• 特征描述符的 n-D 直方图对于 3D 感知/计算机视觉应用非常重要。

（4）代码示例

import open3d as o3d

# 提取三维模型的信息
def extract_info_to_nparray(pcd):
    data = {}
    data["points"] = np.asarray(pcd.points) 
    data["colors"] = np.asarray(pcd.colors) 
    data["normals"] = np.asarray(pcd.normals) 
    return data 

if __name__ =="__main__":
    # demo_icp_pcds = o3d.data.DemoICPPointClouds()
    # source = o3d.t.io.read_point_cloud(demo_icp_pcds.paths[0])
    # target = o3d.t.io.read_point_cloud(demo_icp_pcds.paths[1])

    source = o3d.io.read_point_cloud("./data/output.pcd")
    target = o3d.io.read_point_cloud("./data/cloud_bin_1.pcd")

    print(extract_info_to_nparray(target))

官网关于点云类型的数据的API：https://www.open3d.org/docs/release/python_api/open3d.geometry.PointCloud.html