点云体素化

        3D点云语义分割方法分为基于体素化的方法、基于多视图的方法和基于点云的方法，既然有基于体素化的方法，那么就有就会有点云体素化的表达方式：

        我理解的点云体素化就是将有点云的地方用方块来表示，从而构造成具有三维像素风格的图，效果如下图所示。但是理解应该少了一点，就是体素化后的点云其实是包括有点云和无点云两部分的，比如voxel_resolution=(5,5,5)的图片只是可视化了有点云的部分，无点云的部分并没有可视化出来，实际上他是一个5*5*5的立方体。

         在体素划分后，有点云的体素网格和无点云的体素网格（空网格）均会被输入计算机进行操作，使用3D卷积核的卷积可以自动扩展和调整感受野，获取每个体素对应的特征。（由于没有深入研究过基于体素化的点云网络，这部分都是参考博客和文献得出来的，可能理解上会有一点偏差，体素化的代码如下）

import numpy as np

def point_cloud_to_voxel(point_cloud, voxel_resolution):
    voxel_grid = np.zeros(voxel_resolution, dtype=np.int32)
    
    # 计算点云中的坐标范围
    min_coords = np.min(point_cloud, axis=0)
    max_coords = np.max(point_cloud, axis=0)
    
    # 计算归一化的坐标范围
    range_coords = max_coords - min_coords
    
    # 归一化点云坐标
    normalized_point_cloud = (point_cloud - min_coords) / range_coords
    
    for point in normalized_point_cloud:
        x, y, z = point
        voxel_x = int(x * voxel_resolution[0])
        voxel_y = int(y * voxel_resolution[1])
        voxel_z = int(z * voxel_resolution[2])
        
        voxel_x = max(0, min(voxel_resolution[0] - 1, voxel_x))
        voxel_y = max(0, min(voxel_resolution[1] - 1, voxel_y))
        voxel_z = max(0, min(voxel_resolution[2] - 1, voxel_z))
        
        voxel_grid[voxel_x, voxel_y, voxel_z] = 1
    
    return voxel_grid

import numpy as np

def point_cloud_to_voxel(point_cloud, voxel_resolution):
    voxel_grid = np.zeros(voxel_resolution, dtype=np.int32)
    
    # 计算点云中的坐标范围
    min_coords = np.min(point_cloud, axis=0)
    max_coords = np.max(point_cloud, axis=0)
    
    # 计算归一化的坐标范围
    range_coords = max_coords - min_coords
    
    # 归一化点云坐标
    normalized_point_cloud = (point_cloud - min_coords) / range_coords
    
    for point in normalized_point_cloud:
        x, y, z = point
        voxel_x = int(x * voxel_resolution[0])
        voxel_y = int(y * voxel_resolution[1])
        voxel_z = int(z * voxel_resolution[2])
        
        voxel_x = max(0, min(voxel_resolution[0] - 1, voxel_x))
        voxel_y = max(0, min(voxel_resolution[1] - 1, voxel_y))
        voxel_z = max(0, min(voxel_resolution[2] - 1, voxel_z))
        
        voxel_grid[voxel_x, voxel_y, voxel_z] = 1
    
    return voxel_grid

# 示例点云数据，每个点表示为 (x, y, z) 坐标，可能包含负数坐标
point_cloud =np.loadtxt(r"/your/point/cloud/path")

# 定义体素分辨率，这里假设分辨率为 (10, 10, 10)
voxel_resolution = (10, 10, 10)

# 将点云转换为体素格式
voxel_data = point_cloud_to_voxel(point_cloud, voxel_resolution)

# 可视化体素数据
plot_voxel(voxel_data)

       纯属个人理解，由于没咋研究基于体素的网络，如有错误感谢大家指出。

参考文献：

[1]双丰,黄兴文,李勇,等.基于深度学习的大规模点云语义分割方法综述[J].测绘科学,2023,48(2):195-209.

[2]https://blog.csdn.net/wqwqqwqw1231/article/details/105353231