Python学习 | 2021-11-19 Open3D处理

目录

一、读取点云数据

查看安装包：

获取数据：

完整代码：

运行结果：​​

二、近邻搜索

1、基于KNN的搜索

完整代码：

运行结果： 

2、基于半径的搜索

完整代码：

运行结果： 

3、基于混合的搜索

完整代码：

运行结果： 

三、法向量估计

完整代码： 

运行结果：  

四、 生成三角片面

完整代码：

运行结果：

---

一、读取点云数据

查看安装包：

pip list

获取数据：

斯坦福兔子The Stanford 3D Scanning Repository

​

​

完整代码：

import open3d as o3d
import numpy as np

print("Open3D read Point Cloud")
pcd=o3d.io.read_point_cloud(r"bunny10k.ply")    #读取
print(pcd)    #打印点云的点数
o3d.visualization.draw_geometries([pcd],width=800,height=600)    #显示
#o3d.io.write_point_cloud(r"data\newrabbit.pcd",pcd)    #另存

运行结果：

​

 （多角度点云拼接，有大量重复，生成整个点云）  

​ 

---

二、近邻搜索

一般扫描仪扫描结果有很多噪点，可以采用近邻搜索的方式进行降噪

1、基于KNN的搜索

完整代码：

import open3d as o3d
import numpy as np

print("Open3D read Point Cloud")
pcd = o3d.io.read_point_cloud(r"bunny10k.ply")
pcd.paint_uniform_color([0.5, 0.5, 0.5])    #统一为灰点

pcd_tree = o3d.geometry.KDTreeFlann(pcd)    #贴着物体表面寻找
pcd.colors[100] = [1, 0, 0]    #第100个点是红点

[k, idx, _] = pcd_tree.search_knn_vector_3d(pcd.points[100],100)    #以第100个点为中心，近邻搜索
np.asarray(pcd.colors)[idx[1:], :] = [0, 1, 0]    #近邻点是绿点

o3d.visualization.draw_geometries([pcd],width=1200,height=1000)

运行结果： 

2、基于半径的搜索

完整代码：

import open3d as o3d
import numpy as np

print("Open3D read Point Cloud")
pcd = o3d.io.read_point_cloud(r"bunny10k.ply")
pcd.paint_uniform_color([0.5, 0.5, 0.5])

pcd_tree = o3d.geometry.KDTreeFlann(pcd)
pcd.colors[3000] = [1, 0, 0]

[k,idx,_] = pcd_tree.search_radius_vector_3d(pcd.points[3000],0.02) 
np.asarray(pcd.colors)[idx[1:], :] = [0, 0, 1]

o3d.visualization.draw_geometries([pcd],width=1200,height=1000)

运行结果： 

3、基于混合的搜索

完整代码：

import open3d as o3d
import numpy as np

print("Open3D read Point Cloud")
pcd = o3d.io.read_point_cloud(r"bunny10k.ply")
pcd.paint_uniform_color([0.5, 0.5, 0.5])

pcd_tree = o3d.geometry.KDTreeFlann(pcd)
pcd.colors[2000]=[1, 0, 0]

[k, idx, _]=pcd_tree.search_hybrid_vector_3d(pcd.points[2000],0.05,200)
np.asarray(pcd.colors)[idx[1:], :] = [0, 1, 0.8]

o3d.visualization.draw_geometries([pcd],width=1200,height=1000)

运行结果： 

---

三、法向量估计

完整代码： 

import open3d as o3d
import numpy as np

print("Open3D read Point Cloud")
pcd = o3d.io.read_point_cloud(r"bunny10k.ply")
print(pcd)
dumppcd = pcd.voxel_down_sample(voxel_size=0.01)  #下采样（降采样）

dumppcd.estimate_normals(search_param=o3d.geometry.KDTreeSearchParamHybrid(radius=0.01,max_nn=30))

print(dumppcd.normals[0])
print(np.asarray(dumppcd.normals)[:10,:])

o3d.visualization.draw_geometries([dumppcd],point_show_normal=True,
                                  window_name="法线估计", width=1200,
                                  height=1000,mesh_show_back_face=False)

运行结果：  

---

四、 生成三角片面

用无结构的点云数据生成结构化数据Mesh

• 生成三角片面需要先做法向量的估计
• 生成结果可3D打印

完整代码：

import open3d as o3d
import numpy as np

print("Open3D read Point Cloud")
pcd = o3d.io.read_triangle_mesh(r"bunny10k.ply") 
print(pcd)
pcd.compute_vertex_normals()
pcdmesh = pcd.sample_points_poisson_disk(3000)
o3d.visualization.draw_geometries([pcdmesh],point_show_normal=True)

radii=[0.005, 0.01, 0.02, 0.04]

ballmesh = o3d.geometry.TriangleMesh.create_from_point_cloud_ball_pivoting(pcdmesh,o3d.utility.DoubleVector(radii))
print(ballmesh)

o3d.visualization.draw_geometries([pcd, ballmesh])

运行结果：