叶子的博客

在使用python多进程（multiprocessing）时，程序可能会报“Ran out of input”错误。从报错结果上来看，一般是传入的数据无法读取。因此，在确定程序没有其它问题（如文件冲突、数据为空等），我们可以改变读取数据的结构，然后在进程内对数据进行重新组装。这种错误可能会在不同电脑上表现不一样，或者说跟环境相关。同样的程序，有的电脑环境能正常运行，有的则会报上述错误。下面将以open3d多进程为例，其报错具体内容如下所示。

ply、pcd、bin、txt点云格式介绍。

Python三种点云可视化方案：mayavi、matplotlib、CloudCompare。

三维平面的统一表示方法： 假设（x1, y1, z1）、（x2，y2，z2）为平面上两个点，那么可以得到： (x2-x1, y2-y1, z2-z1)是平面上的一个向量，并且根据上式可知，（A, B, C）与这个向量垂直，显然（A, B, C）为平面的法向量。 假设（x0, y0, z0）为空间中的任意一点，它在平面上的投影坐标为（x, y, z），那么由这两个点组成的向量也是平面的法向量，则应与法向量（A, B, C）平行，从而可以得到：

python点云投影样例。

常见点云存储方式有pcd、ply、txt、bin文件。本节主要介绍pcd点云格式。

常见点云存储方式有pcd、ply、txt、bin文件。本节主要介绍ply点云格式。

常见点云存储方式有pcd、ply、txt、bin文件。本次主要介绍txt点云格式。

常见点云存储方式有pcd、ply、txt、bin文件。本次主要介绍bin点云格式。

Open3d读写pcd点云文件

1 Open3d 安装Open3d是由Intel发布的一个开源库，支持快速开发和处理3D数据。Open3D在c++和Python中公开了一组精心选择的数据结构和算法。后端是高度优化的，并且是为并行化而设置的。Open3d直接使用pip安装即可。解决下载慢的问题，请切换下载源。设置方式请参考：python pip_Coding的叶子的博客-CSDN博客。pip install open3dply点云格式介绍请参考：点云格式介绍（二）_Codin......

点云配准——ICP方法介绍，含源码

点云配准（二）—python open3d ICP方法，含源码

点云体素介绍

python open3d 计算法向量

python点云拼接，含源码和数据

点云旋转平移基础知识，下一节介绍示例程序。

python open3d点云可视化

点云旋转平移（二）—python open3d点云平移，含数据与源码

点云旋转平移介绍，请参考上一节：点云旋转平移（一）—基础知识介绍_Coding的叶子的博客-CSDN博客。本节所使用的示例pcd点云文件请参考：pcd格式点云样例文件-深度学习文档类资源-CSDN下载。open3d中点云的平移函数为rotate。其函数原型如下所示： 第二个参数是旋转中心，即围绕哪个点进行旋转。如果不指定center的值，默认为点云质心。围绕质心旋转后的点云质心保持不变，可以通过下面的get_center()来定义。 第一个参数R是旋转矩阵。open3

仿射变换、投影变换通俗理解，python open3d变换数据与源码实验，详解open3d的transform函数

点云三种缩放方法，含数据和源码，python open3d

三维点云质心与三角化网格，含python程序验证，与open3d中函数对比

三种点云下采样方法 — open3d python，含数据和python源码，本节主要介绍体素下采样。

三种点云下采样方法 — open3d python，含数据和python源码，本节将介绍均匀下采样和随机下采样。

点云离群点剔除 — open3d python，三种点云离群点剔除方法，含数据与源码。

八种点云聚类方法（一）— DBSCAN，含点云样例数据与源码

传统机器学习聚类的方法有很多种，并且很多都能够应用在点云上。这是由于聚类方法一般是针对于通用样本，只是样本的维度有所不同。对于三维点云来说，其样本的维度为3。这里主要介绍几种典型的方法及其实现方式，包括DBSCAN、KMeans等聚类方法，采用python open3d和skit-learn来实现。上一节主要介绍了DBSCAN聚类五种点云聚类方法（一）— DBSCAN_Coding的叶子的博客-CSDN博客，本节简要介绍KMeans点云聚类。 KMeans聚类方法是机器学习中最常见的聚类方法之

八种点云聚类方法（三），含点云样例数据与源码

两种点云分割（一）— RANSAC分割平面，含样例数据与python源码

三维点云表面重建 — open3d python，含示例程序与源码

PointNet详细解析，含模型结构和数据介绍，以及实验过程。 Pointnet是基于点云的三维目标检测网络，也是三维深度学习目标检测的基础网络之一。本节将参考Github上的源码进行介绍，GitHub地址为GitHub - yanx27/Pointnet_Pointnet2_pytorch: PointNet and PointNet++ implemented by pytorch (pure python) and on ModelNet, ShapeNet and S3DIS.。...

PointNet语义分割详细介绍，从S3DIS数据集处理到模型结构分析，以及代码运行等。 本节主要介绍PointNet语义分割，其中主干网络和代码环境等PointNet详细介绍请参考三维目标检测 — PointNet详解（一）_Coding的叶子的博客-CSDN博客，这里不再进行重复介绍。1 代码环境部署 请参考三维目标检测 — PointNet详解（一）_Coding的叶子的博客-CSDN博客。2 数据介绍 2.1 原始数据S3DI...

三维目标分类 — PointNet++详解（二），详细介绍PointNet++，含数据、代码和原理直观解析。​ 上一节主要介绍了PointNet分类，本节将进一步介绍PointNet++点云分类。本节仍然参考Github上的源码进行介绍，PointNet采用全局最大值池化的方式对全体点云进行了特征抽取，这导致了对局部特征的考虑不足。PointNet++通过分组采用PointNet的方式对局部特征进行了提取。GitHub地址为GitHub - yanx27/Pointnet_Pointnet...

三维目标分类 — PointNet++多尺度分组MSG详解（三），详细介绍PointNet++，含数据、代码和原理直观解析。 ​上 一节详细介绍了PointNet++点云分类。PointNet++通过SA模块对原始点云进行采样分组，如果只是采用单一半径尺度和固定采样点数，那么分组内的点云会受点云密度的影响。如果点云过于稀疏，那么小半径尺寸无法将稀疏的点云进行分组，从而无法提取到稀疏点云的特征。在单一尺度分组的PointNet++结构中，第一层的SA分组半径最小，后续SA层都是基...

PointNet++语义分割详细介绍，从S3DIS数据集处理到模型结构分析，以及代码运行等。 ​本节主要介绍PointNet++语义分割，其中主干网络和代码环境等PointNet++详细介绍请参考​​​​​​​三维目标分类 — PointNet++详解（二）_Coding的叶子的博客-CSDN博客，这里不再进行重复介绍。1 代码环境部署 请参考​​​​​​​三维目标分类 — PointNet详解（一）_Coding的叶子的博客-CSDN博客。2 数据介绍 ...

点云采样方式（一） — 最远点采样，含原理和python源码。点云最远点采样FPS(Farthest Point Sampling)方法的优势是可以尽可能多地覆盖到全部点云，但是需要多次计算全部距离，因而属于复杂度较高的、耗时较多的采样方法。1 FPS采样步骤 FPS采样步骤为： （1）选择一个初始点：可以随机选择，也可以按照一定的规则来选取。如果随机选取那么每次得到的结果都是不一样的，反之每次得到的结果就是一致的。（2）计算所有点

10种点云数据数据预处理方法 — 持续总结和更新（一）,含源码，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。​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 ...

三维点云语义分割结果可视化，含python源码和open3d可视化程序。 三维点云语义分割结果可视化的目的是更加直观地看到语义分割的效果。上一节详细介绍了PontNet++点云分割，具体内容请参考三维点云语义分割 — PointNet++详解（二）_Coding的叶子的博客-CSDN博客。本节仍然以上一篇PointNet++源码为例。1 数据介绍测试程序仍然使用S3DIS数据集，测试数据处理流程与上一节的训练数据处理流程基本一致，请参考三维点云语义分割 — Po...

KITTI数据集简介（一） — 激光雷达数据 kitti mini data object veloyne 数据是mini 版KITTI激光雷达数据集，含20个训练点云文件和5个测试点云文件。Mini版可以用于快速验证三维点云算法模型，下载速度更快KITTI数据集的详细介绍网络上已经有较多资料，这里就不详细介绍。这里主要介绍接下来三维点云深度学习模型可能用到的数据文件。KITTI数据集包含多个文件夹，这里将介绍激光雷达数据，即data_object_velodyne。......