写python代码，利用open3d，在bin文件的激光雷达点云数据中，利用真值label的txt文件构建矩形框，并输出图像。每个txt文件对应多辆车辆的标签信息，其中包含以下信息：1.车辆类型，如"car", "van", "bus"等。2.车辆被裁剪的比例，范围为[0,1]，表示车辆是否完全在图像内部。如果为0则表示车辆完全在图像内部，如果为1则表示车辆完全在图像外部。 3.车辆被遮挡的比例，范围为[0,1]，表示车辆被遮挡的程度。如果为0则表示车辆没有被遮挡，如果为1则表示车辆完全被遮挡。 4.车辆朝向的旋转角度，范围为[-pi,pi]，表示车辆的朝向与图像的x轴之间的夹角。 5.车辆在图像中的2D边界框，格式为(x_min,y_min,x_max,y_max)，表示左上角和右下角的坐标。6. 车辆在3D空间中的边界框，格式为(h, w, l, x, y, z, yaw)，表示边界框的长宽高和中心点坐标以及朝向角度。其中，h表示高度，w表示宽度，l表示长度，(x,y,z)表示中心点的坐标，yaw表示朝向角度。txt文件数据格式：Car 0.00 0 -1.12 -1 -1 -1 -1 2.21 2.63 4.97 3.10 2.13 -7.78 -1.50等等

以下是一个示例代码，可以读取bin文件和对应的txt文件，提取标签信息并构建矩形框并输出图像：

import open3d as o3d
import numpy as np

# 读取bin文件
pcd = o3d.io.read_point_cloud("path/to/pointcloud.bin", format='bin')
points = np.asarray(pcd.points)

# 读取对应的txt文件
with open("path/to/labels.txt", "r") as f:
    lines = f.readlines()

# 解析每个车辆的标签信息并构建矩形框
for line in lines:
    label = line.strip().split()
    if label[0] == "Car":
        x_min, y_min, x_max, y_max = map(float, label[5:])
        h, w, l, x, y, z, yaw = map(float, label[1:5] + label[8:])
        
        # 构建车辆的3D边界框
        bbox_3d = o3d.geometry.AxisAlignedBoundingBox([x - l/2, y - w/2, z - h/2], [x + l/2, y + w/2, z + h/2])
        
        # 投影车辆的3D边界框到图像平面
        bbox_2d = [int(x_min), int(y_min), int(x_max), int(y_max)]
        
        # 在图像中绘制车辆的2D边界框
        cv2.rectangle(image, (int(x_min), int(y_min)), (int(x_max), int(y_max)), (0, 255, 0), 2)
        
        # 在点云中绘制车辆的3D边界框
        pcd_new = o3d.geometry.PointCloud()
        pcd_new.points = o3d.utility.Vector3dVector(points)
        pcd_new.paint_uniform_color([1, 0.706, 0])
        pcd_new.crop(bbox_3d)
        o3d.visualization.draw_geometries([pcd_new])