Open3d估计法向量并指定其方向

估计点云法向量最常用的方式是搜索某点领域的小范围点，利用最小二乘法估计平面，再求一个垂直的向量，就是法向量。原理有很多帖子，可以自行搜索。

下面是代码认真看里面的标注，其中法向量是固定的，一个平面法向量只有向上和向下的区别，里面有俩种设定的方式：

1. orient_normals_to_align_with_direction，与某个轴的方向相同。
2. orient_normals_towards_camera_location，法相量全部指向指定的相机位置。

里面还有三种不同的法向量给估计方式，混合搜索  KNN搜索  半径搜索，可以自行选择。

与z轴的方向相同

 

方向指向原点

# @Description: <Open3D估计法向量，可视化，存储为文件>

import open3d as o3d
import os
import numpy as np


pcd = o3d.io.read_point_cloud("..//chair_0002 - Cloud.pcd")
pcd.paint_uniform_color([0.5, 0.5, 0.5])  # 把所有点渲染为灰色
print(pcd)
mesh_frame = o3d.geometry.TriangleMesh.create_coordinate_frame(size=1, origin=[0, 0, 0])   #定义坐标轴

# print(o3d.np.asarray(pcd.points))  # 输出点的三维坐标
o3d.visualization.draw_geometries([pcd,mesh_frame], "Open3D origin points", width=800, height=600, left=50, top=50,
                                  point_show_normal=False, mesh_show_wireframe=False,
                                  mesh_show_back_face=False)

# 混合搜索  KNN搜索  半径搜索
# downpcd.estimate_normals(
#     search_param=o3d.geometry.KDTreeSearchParamHybrid(radius=0.01, max_nn=20))  # 计算法线，搜索半径1cm，只考虑邻域内的20个点
pcd.estimate_normals(
    search_param=o3d.geometry.KDTreeSearchParamKNN(knn=20))  # 计算法线，只考虑邻域内的20个点
# downpcd.estimate_normals(
#     search_param=o3d.geometry.KDTreeSearchParamRadius(radius=0.01))  # 计算法线，搜索半径1cm，只考虑邻域内的20个点

#o3d.geometry.PointCloud.orient_normals_to_align_with_direction(pcd, orientation_reference=np.array([0.0, 0.0, 1.0]))  #设定法向量在z轴方向上，全部z轴正方向一致
#o3d.geometry.PointCloud.orient_normals_towards_camera_location(pcd, camera_location=np.array([0., 0., 0.]))  #让法向量的方向都指向给定的相机位置
o3d.visualization.draw_geometries([pcd,mesh_frame], "Open3D normal estimation", width=800, height=600, left=50, top=50,
                                  point_show_normal=True, mesh_show_wireframe=False,
                                  mesh_show_back_face=False)  # 可视化法线

 原始显示