基于法向量朝向的点云语义分割

法向量

关于法向量估计的环节我们仍然应用前文的最小生成树估计法。

目前来看最小生成树是有效的估计法向量不可缺少的的步骤。

朝向计算依据

指向分布

法向量指向的分布的计算本文应用向量夹角计算。

但是，我们平时所说相同朝向相同的法向量并不可能是完全相同的方向，这个平面法向量是允许和我们所指示的方向偏离一定的容忍度。

图中如果有两片近似平面的点云，而我们将向量v1作为此分组的朝向。想要将这两块平面点云归为一组，则需要v1与v2向量的夹角小于一定的阈值：阈值夹角a就是我们的偏离容忍度。

方向主轴

由于分割的点云组数完全就是基于我们人为规定的主方向数目，则此处是本分割方法的关键。

在我们的方法中，暂时将分组的主轴分为xyz三个向量：【1,0,0】，【0,1,0】，【0,0,1】

容忍度角度设置为40度。

 要怎么选择这些主轴，就全凭大家想象了。

逻辑流

1.录入老朋友bunny.pcd点云，进行法向量估计。

2.设置分组方向主轴，和各个方向的容忍度。

3.计算所有法向量与所有主轴的夹角，将处于容忍度内的法向量归入各个主轴集合。

完整代码

import open3d as o3d
import numpy as np

pcd = o3d.io.read_point_cloud("../bunny_pcd.pcd")


pcd.paint_uniform_color([0.5, 0.5, 0.5])
pcd.estimate_normals(search_param=o3d.geometry.KDTreeSearchParamHybrid(radius=0.1, max_nn=30))
pcd.orient_normals_consistent_tangent_plane(8)

normals = np.asarray(pcd.normals)

orient_x = [1,0,0]
orient_y = [0,1,0]
orient_z = [0,0,1]
orient_test = [orient_x,orient_y,orient_z]


angle_recolist = []
for i in range(len(normals)):
    angle_recolist_pre = []

    for j in range(len(orient_test)):
        a = np.array(normals[i])
        b = np.array(orient_test[j])

        a_norm = np.sqrt(np.sum(a * a))
        b_norm = np.sqrt(np.sum(b * b))
        cos_value = np.dot(a, b) / (a_norm * b_norm)
        arc_value = np.arccos(cos_value)
        angle_value = arc_value * 180 / np.pi

        if angle_value < 40:
            angle_recolist_pre.append(1)
        else:
            angle_recolist_pre.append(0)
    angle_recolist.append(angle_recolist_pre)


print(angle_recolist)

for i in range(len(angle_recolist)):
    np.asarray(pcd.colors)[i] = angle_recolist[i]


o3d.visualization.draw_geometries([pcd], point_show_normal=False, window_name="三相法向量语义分割",
                                  width=1024, height=768,
                                  left=50, top=50,
                                  mesh_show_back_face=False)

 朝向z轴的是蓝色朝向x轴的是红色

 朝向y轴的是绿色