Open3D 模型简化——顶点聚类

已于 2022-09-17 10:20:21 修改
阅读量10w+ 收藏 6
点赞数 2
分类专栏： python点云处理 文章标签： python 3d 计算机视觉 算法
于 2020-12-03 22:21:44 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36686437/article/details/110578644
版权
python点云处理 专栏收录该内容
259 篇文章 5762 订阅 ¥19.90 ¥99.00
订阅专栏
本文介绍了如何使用Open3D库进行3D模型的顶点聚类简化，通过设置体素大小进行网格降维，减少三角形数量，同时保持模型的近似形状。代码实现展示了不同体素大小下的简化效果，最终得到的模型在CloudCompare中进行进一步处理，如平滑和增强顶点标量场。
摘要由CSDN通过智能技术生成

目录

一、顶点聚类

1、概述

  有时候我们想用较少的三角形来表示一个高分辨率的网格，但是低分辨率的网格仍然应该接近高分辨率的网格。为此Open3d实现了许多网格简化的算法。
  顶点聚类方法将落入给定大小的体素的所有顶点聚合为单个顶点。该方法在simplify_vertex_clustering中实现，参数voxel_size定义了体素网格的大小，contraction定义了顶点的聚类方式。o3d.geometry.SimplificationContraction.Average计算一个简单的平均值。

2、主要函数

def simplify_quadric_decimation(self, target_number_of_triangles, maximum_error=
了解本专栏 订阅专栏 解锁全文
点云侠
关注
专栏目录
订阅专栏
Open3D 顶点聚类（网格简化）
dayuhaitang1的博客
08-13 758
Open3D 顶点聚类（网格简化）
Open3D(C++) 模型简化——顶点聚类
点云侠的博客
09-21 702
C++版本Open3D顶点聚类的方法对模型数据进行抽稀
三维网格精简算法（Quadric Error Metrics）附源码（一）
拉风小宇的博客
05-30 2万+
本文转自：http://www.cnblogs.com/shushen/p/5311828.html 我发现他的一系列文章都挺好，就是总缺点东西，所以没法执行 本文的算法来源于 Michael Garland在97年的文章 Surface simplification using quadric error metrics 算法介绍在计算机图形应用中，为了尽可能真实呈现虚拟物体，往往
深度学习3D Mesh分割网络---MeshCNN
最新发布
weixin_42171132的博客
08-20 51
前言MeshCNN是2019年提出的直接在3D Mesh上进行分类和分割的网络，MeshCNN在3D网格上定义了定义了卷积和池化层，依据三维模型边的连通关系进行研究。最终能够在来自SHREC 11数据集的30个类上达到98.6%的精度，并且在部件和人体数据集上有很好的分割性能。一、网络结构其网络结构大体如下所示，其结构采用...
Open3D DBSCAN聚类（Python版本）
dayuhaitang1的博客
01-14 1325
Open3D DBSCAN聚类（Python版本）
python点云处理算法汇总(长期更新版)
热门推荐
点云侠的博客
01-29 39万+
python点云处理算法整理。博客长期更新，最近一次更新时间为：2024年9月21日。
YOLOv5系列(二十四) 本文(4万字) | 遗传算法实现超参数进化(Hyperparameter Evolution) | 利用K-means聚类以及遗传算法生成Anchor box |
weixin_44302770的博客
12-27 669
遗传算法是用于解决最优化问题的一种搜索算法。”适者生存，不适者淘汰“，将该理论以算法的形式表现出来就是遗传算法的过程。k-means是非常经典且有效的聚类方法，通过计算样本之间的距离（相似程度）将较近的样本聚为同一类别（簇）。使用k-means时主要关注两个问题（个人认为）：1.如何表示样本与样本之间的距离（核心问题），这个一般需要根据具体场景去设计，不同的方法聚类效果也不同，最常见的就是欧式距离。2.分为几类，这个也是需要根据应用场景取选择的，也是一个超参数。1 手动设定簇的个数k，假设k=2。
使用顶点聚类图内核进行形状分类
03-09
使用顶点聚类图内核进行形状分类
Open3d dbscan聚类算法cluster_dbscan
m0_37737957的博客
07-07 1796
dbscan聚类算法介绍 cluster_dbscan函数解析 o3d.utility.VerbosityContextManager和o3d.utility.VerbosityLevel.Debug理解
Open3D 快速欧式聚类（FEC）
dayuhaitang1的博客
09-21 1241
Open3D 快速欧式聚类（FEC）
使用open3d可视化3d人脸
qq_41166909的博客
07-31 392
使用的模型参数是巴塞尔模型，矩阵大小是[53490,3]. 使用open3d将53，490个点显示到3d空间中 import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D import open3d as o3d path="./image_vertices.npy" image_vertices=np.load(path) verts_points=image_vertices.
深入浅出聚类算法
SIGAI_CSDN的博客
09-04 2603
其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》，清华大学出版社，雷明著，由SIGAI公众号作者倾力打造。 书的购买链接 书的勘误，优化，源代码资源 导言 聚类问题是机器学习中无监督学习的典型代表，在数据分析、模式识别的很多实际问题 中得到了应用。在本文中，SIGAI将为大家深入浅出的介绍聚类问题的定义以及各种典型的 聚类算法，帮助大家建立对聚类算法最直观、本质...
哈希表的应用-浅析顶点聚簇网格简化算法的实现
u013339596的专栏
02-13 1500
前言 　　本篇接顶点去重那一篇，继续使用哈希表来实现网格算法。这次介绍的是一种比较简单的网格简化算法，叫做顶点聚簇。   网格简化 　　为了介绍这个算法，首先说明一下网格简化算法。随着计算机绘图在现代科技领域中的广泛应用, 计算机图形在现代制造业中发挥着重要的作用。计算机图形学中对模型的要求更加精密, 也更加复杂, 生成的面片数也更加庞大, 庞大的数据量必然对计算机的计算能
#python+open3d 3D模型的读取与应用
qq_45765032的博客
11-25 5217
下载open3d： pip install open3d(0.13.0版本） pip install open3d-python(0.7.0版本 速度较快) 参考文档 open3d官方文档 官方github Geometry
网格模型简化的顶点聚类算法
05-09
网格模型简化是一种常用的三维模型减面技术，可用于减小模型的面数，从而降低模型的复杂度，提高渲染性能。在网格模型简化过程中，顶点聚类算法是一种常用的技术，可以将一组相邻的顶点合并成一个顶点，从而减小模型的顶点数。 顶点聚类算法的基本思想是将相邻的顶点合并成一个新的顶点，从而减小模型的顶点数。具体来说，顶点聚类算法可以分为以下几个步骤： 1. 计算每个顶点的邻域：对于每个顶点，计算其相邻的顶点集合，这个集合被称为该顶点的邻域。可以使用一些算法来计算邻域，比如基于距离的算法、基于角度的算法等。 2. 计算每个邻域的重心：对于每个邻域，计算其所有顶点的坐标平均值，即可得到该邻域的重心。 3. 合并相邻的重心：对于所有相邻的重心，计算它们之间的距离，如果距离小于一定的阈值，则将它们合并成一个新的重心。 4. 更新模型：将所有原始顶点更新为它们所属的新重心，同时更新模型的拓扑结构，使得每个面的顶点索引都指向新的重心。 顶点聚类算法可以有效地减小模型的顶点数，从而提高渲染性能。但是，如果合并过多的顶点，可能会导致模型的形状变形，因此需要根据实际情况选择合适的阈值来控制顶点聚类的程度。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

点云侠

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值