Open3D点云的基本用法

本教程演示了点云的基本用法。

5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43

# examples/Python/Basic/pointcloud.py import numpy as np import open3d as o3d if __name__ == "__main__": print("Load a ply point cloud, print it, and render it") pcd = o3d.io.read_point_cloud("../../TestData/fragment.ply") print(pcd) print(np.asarray(pcd.points)) o3d.visualization.draw_geometries([pcd]) print("Downsample the point cloud with a voxel of 0.05") downpcd = pcd.voxel_down_sample(voxel_size=0.05) o3d.visualization.draw_geometries([downpcd]) print("Recompute the normal of the downsampled point cloud") downpcd.estimate_normals(search_param=o3d.geometry.KDTreeSearchParamHybrid( radius=0.1, max_nn=30)) o3d.visualization.draw_geometries([downpcd]) print("Print a normal vector of the 0th point") print(downpcd.normals[0]) print("Print the normal vectors of the first 10 points") print(np.asarray(downpcd.normals)[:10, :]) print("") print("Load a polygon volume and use it to crop the original point cloud") vol = o3d.visualization.read_selection_polygon_volume( "../../TestData/Crop/cropped.json") chair = vol.crop_point_cloud(pcd) o3d.visualization.draw_geometries([chair]) print("") print("Paint chair") chair.paint_uniform_color([1, 0.706, 0]) o3d.visualization.draw_geometries([chair]) print("")

可视化点云

本教程的第一部分读取点云并将其可视化。

12 13 14 15 16

print("Load a ply point cloud, print it, and render it") pcd = o3d.io.read_point_cloud("../../TestData/fragment.ply") print(pcd) print(np.asarray(pcd.points)) o3d.visualization.draw_geometries([pcd])

read_point_cloud从文件中读取点云。它尝试根据扩展名解码文件。支持的扩展名有：pcd, ply, xyz, xyzrgb, xyzn, pts.

draw_geometries可视化点云。使用鼠标/触控板从不同的角度查看几何图形。

它看起来像一个密集的表面，但它实际上是一个渲染为面元的点云。GUI 支持各种键盘功能。其中之一，-键减小了点（面元）的大小。多次按下，可视化变为：

笔记

按h键打印出 GUI 键盘指令的完整列表。有关可视化 GUI 的更多信息，请参阅可视化和自定义可视化。

笔记

在 OS X 上，GUI 窗口可能不会收到键盘事件。在这种情况下，请尝试使用pythonw而不是python.

体素下采样

体素下采样使用常规体素网格从输入点云创建均匀下采样的点云。它通常用作许多点云处理任务的预处理步骤。该算法分两步运行：

1. 点被分桶成体素。

2. 每个占用的体素通过对内部的所有点进行平均来生成精确的一个点。

18 19 20

print("Downsample the point cloud with a voxel of 0.05") downpcd = pcd.voxel_down_sample(voxel_size=0.05) o3d.visualization.draw_geometries([downpcd])

这是下采样的点云：

顶点法线估计

点云的另一个基本操作是点法线估计。

22 23 24 25

print("Recompute the normal of the downsampled point cloud") downpcd.estimate_normals(search_param=o3d.geometry.KDTreeSearchParamHybrid( radius=0.1, max_nn=30)) o3d.visualization.draw_geometries([downpcd])

estimate_normals计算每个点的法线。该函数查找相邻点并使用协方差分析计算相邻点的主轴。

该函数将KDTreeSearchParamHybrid类的实例作为参数。两个关键参数并指定搜索半径和最大最近邻。它具有 10 厘米的搜索半径，并且最多只考虑 30 个邻居以节省计算时间。radius = 0.1max_nn = 30

笔记

协方差分析算法产生两个相反的方向作为正常候选。在不知道几何的全局结构的情况下，两者都可能是正确的。这被称为正常方向问题。Open3D 尝试将法线定向为与原始法线（如果存在）对齐。否则，Open3D 会随机猜测。如果方向是一个问题，则需要调用进一步的方向函数，例如orient_normals_to_align_with_direction和。orient_normals_towards_camera_location

用于draw_geometries可视化点云并按n以查看点法线。可以用key-和key来控制法线的长度。+

 访问估计的顶点法线

估计的法向量可以通过 的normals变量来检索downpcd。

29 30

print("Print a normal vector of the 0th point") print(downpcd.normals[0])

Print a normal vector of 0th point
[-0.27566603 -0.89197839 -0.35830543]

要查看其他变量，请使用help(downpcd). 可以使用 将法线向量转换为 numpy 数组np.asarray。

31 32

print("Print the normal vectors of the first 10 points") print(np.asarray(downpcd.normals)[:10, :])

Print the first 100 normal vectors
[[-0.27566603 -0.89197839 -0.35830543]
 [-0.00694405 -0.99478075 -0.10179902]
 [-0.00399871 -0.99965423 -0.02598917]
 [-0.46344316 -0.68643798 -0.56037785]
 [-0.43476205 -0.62438493 -0.64894177]
 [-0.51440078 -0.56093481 -0.6486478 ]
 [-0.27498453 -0.67317361 -0.68645524]
 [-0.00327304 -0.99977409 -0.02100143]
 [-0.01464332 -0.99960281 -0.02407874]]

检查使用 NumPy以获取有关 numpy 数组的更多示例。

裁剪点云

35 36 37 38 39 40

print("Load a polygon volume and use it to crop the original point cloud") vol = o3d.visualization.read_selection_polygon_volume( "../../TestData/Crop/cropped.json") chair = vol.crop_point_cloud(pcd) o3d.visualization.draw_geometries([chair]) print("")

read_selection_polygon_volume读取指定多边形选择区域的 json 文件。 vol.crop_point_cloud(pcd)过滤掉点。只剩下椅子了。

绘制点云

42 43 44 45

print("Paint chair") chair.paint_uniform_color([1, 0.706, 0]) o3d.visualization.draw_geometries([chair]) print("")

paint_uniform_color将所有点绘制成统一的颜色。颜色在 RGB 空间，[0, 1] 范围。