【点云预处理】10种点云数据数据预处理增强方法 — 持续总结和更新（一）

Coding的叶子

已于 2023-05-12 09:20:34 修改

阅读量1.2w

点赞数 11

分类专栏： Python三维点云实战宝典文章标签：点云预处理点云增强随机旋转随机缩放 python

于 2022-05-09 07:26:04 首次发布

本文为博主原创文章，未经博主允许不得转载。

本文链接：https://blog.csdn.net/suiyingy/article/details/124650504

版权

Python三维点云实战宝典专栏收录该内容

94 篇文章 ¥79.90 ¥99.90

订阅专栏

超级会员免费看

本文介绍了点云数据预处理和增强的10种方法，包括中心归一化、随机打乱、随机旋转、随机缩放和平移等。这些方法在深度学习中用于提升点云处理的效果，文章来源于《python三维点云从基础到深度学习》专栏。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文为博主原创文章，未经博主允许不得转载。
本文为专栏《python三维点云从基础到深度学习》系列文章，地址为“https://blog.csdn.net/suiyingy/article/details/124017716”。

深度学习中点云基本数据处理和增强方式，包括点云归一化、随机打乱、随机平移、随机旋转、随机缩放和随机丢弃等，持续总结与更新。

1 中心归一化

减去均值，并除以点距原点的最大距离。

def pc_normalize(pc):
    centroid = np.mean(pc, axis=0)
    pc = pc - centroid
    m = np.max(np.sqrt(np.sum(pc ** 2, axis=1)))
    pc = pc / m
    return pc

2 打乱点云顺序

def shuffle_data(data, labels):
    """ Shuffle data and labels.
        Input:
          data: B,N,... numpy array
          label: B,... numpy array
        Return:
          shuffled data, label

了解本专栏