qq_40985985的博客

这篇博客源于博友的提问，本来不打算周末整的，刚好电脑在旁边没啥事，那就开整吧。np.random 生成随机点（提供了俩种方法，1. xyz限制都是0~MAX值，2. xyz分别限制最大值为0~MAXxyz）第一堆生成完成后，第2堆确定的是重复的点，然后生成剩余的点，生成过程要注意判断不能生成已经有了的点open3d可视化及计算验证重复率。

点云生成8面体点并拟合绘制表面重建结果。（官方示例兔子，8面体，多面体，球体）

这篇博客将介绍 **迭代最近点配准算法(Iterative Closest Point, ICP)** 。多年来，它一直是研究和工业中几何注册的支柱。**输入是两个点云和一个初始变换，该变换大致将源点云与目标点云对齐。输出是一个精确的变换，它将两个点云紧密对齐。**- 将展示俩种ICP变体，点对点ICP（PointToPoint）和点对面ICP（PointToPlane）。

这篇博客将介绍以下5部分：1. 随机生成点云点2. 投影点到面（给出了6个面的中心点，离哪个中心点距离近就投影到哪个面）3. 对投影到每个面的点云计算法向量点（3种方法 KNN 半径近邻 混合近邻）4. 对每个面上的法向量及与平均法向量的夹角5. 可视化原始点及法向量点

Open3D o3dtut 怎么导入才不报错问题：解决1. 导入o3dtut2. 添加open3d_tutorial.py类3. 构建目录结构，运行成功写这篇博客源于博友的提问，最初我以为是环境配置或者软件版本的问题。真正去解决的时候发现不是。问题：在使用Open3D网格化的时候需要用到o3dtut，报错如下：mesh = o3dtut.get_knot_mesh()NameError: name ‘o3dtut’ is not defined解决1. 导入o3dtutimport open

Open3D算法最全合集，致力于搜集可运行，可视化较好的Open3D算法，持续更新中…1. Open3D 点云读取及可视化、离群点去除2. Open3D 点云体素格下采样3. Open3D 点云KdTree建立、3种近邻搜索及结果可视化Open3D 点云法向量3种计算方法及可视化5. Open3D 点云下采样、离群点去除、地面提取、法向量计算及可视化6. Open3D 点云 DbScanClustering聚类算法7. Open3D 计算点云凸包8. Open3D 计算点云包围盒9.

该博客主要进行：（1）点云读取可视化（2）下采样可视化（3）法向量三种估计方式（K近邻估计，半径近邻估计，混合搜索估计）（4）点云法向量可视化（5）点云每个点对应的法向量点存储（6）点云法向量点可视化

1. 点云索引Open3D KdTree，可以快速的在无序的点云中建立空间拓扑结构，使得能迅速的进行近邻搜索；2. 近邻方法分类：Open3D这边支持的近邻搜索方法由VTK实现；K近邻搜索（K Nearest Neighbors Search）半径近邻搜索（Radius Nearest Neighbors Search）混合近邻搜索（ RKNN Radius K Nearest Neighbors Search）3. 索引应用点云下采样点云的高效无损压缩 15%基于邻域关

Open3D：3D数据处理的现代库，是一个开放源代码库，支持快速开发处理3D数据的软件。Open3D在C ++和Python中公开了一组精心选择的数据结构和算法。后端经过高度优化，并支持并行化。 推荐Python，支持Python（3.5、3.6、3.7、3.8），支持系统（Ubuntu 18.04+、macOS 10.14+、Windows 10 (64-bit)）。Open3D的核心功能包括：3D数据结构3D数据处理算法场景重建表面对齐3D可视化基于物理的渲染【 Physically

DBSCAN聚类算法，是基于密度的聚类算法。该算法需要两个参数。labels = np.array(pcd.cluster_dbscan(eps=0.02, min_points=10, print_progress=True))入参：eps： 定义到聚类邻居的距离min_points： 定义形成聚类所需的最小点数。出参：该函数返回一个标签，其中标签-1表示噪音。该算法定义以选中的点开始蔓延，邻居点距离<=0.02米，最小有10个点就可以构成一个簇；适用于原始点云分隔的比较