点云学习（1）-基本操作&紧邻点搜索

目录

1.点云基本操作

2.临近点搜索-KD树

---

1.点云基本操作

读入点云

pcd = o3d.io.read_point_cloud("tree1.pcd")

输出点云

o3d.io.write_point_cloud("copy_of_fragment.pcd", pcd)

点云显示-规定多大窗口

o3d.visualization.draw_geometries([pcd],width=800,height=800)

显示不同颜色

pcd.paint_uniform_color([0, 1, 0])

2.临近点搜索-KD树

构建Kd-Tree

pcd_tree = o3d.geometry.KDTreeFlann(pcd)#建立KD树索引

KNN搜索-pcd.points

[k, idx, _] = pcd_tree.search_knn_vector_3d(pcd.points[200], 100)#K近邻搜索,pcd.point[200]为选取的中心点，100为距离中心点最近的100个点。
np.asarray(pcd.colors)[idx[1:], :] = [0, 1, 0]#K邻域的点，渲染为绿色

半邻域搜索

[k1, idx1, _] = pcd_tree.search_radius_vector_3d(pcd.points[1500], 0.02)#半径搜索
np.asarray(pcd.colors)[idx1[1:], :] = [0, 0, 1]#半径搜索结果并渲染为蓝色

混合搜索

[k2, idx2, _] = pcd_tree.search_hybrid_vector_3d(pcd.points[3000], 0.05,200)#K近邻搜索
np.asarray(pcd.colors)[idx2[1:], :] = [0, 1, 0.8]#半径搜索结果并渲染为青色