5.点云法向量的计算(代码)

本文看了博主三维点云学习（1）上-PCA主成分分析 法向量估计_主成分分析法表面法向量估计-CSDN博客的文章，内容基本上参考了该博文，在这里写只是为了记笔记，没有要抄袭的意思，如果要更详细的了解，可以去看该博文。

首先，读取点云数据并且处理点云数据，我下载的一个点云数据文件不是pcd文件，我首先读取了点云数据，并将其处理为array数据，该数据的shape为(641, 3)，表示有641个xyz的数据，后面的代码和前面博文的相同（该代码用到了pca主成分分析原理，也很好理解，在前面博文有解释，要单独理解主成分分析原理，可以看我的另一篇博文12.1 主成分分析原理（PCA)_主成分分析零均值化-CSDN博客，该博文详细解释了主成分分析原理），代码如下：

import numpy as np
import open3d as o3d

import open3d as o3d
import os
import numpy as np
import matplotlib.pyplot as plt
from pandas import DataFrame
from pyntcloud import PyntCloud

# 聚类算法
def cluster(points, radius=100, nums=250):
    """
    points: pointcloud
    radius: max cluster range
    """
    print("................", len(points))
    items = []
    while len(points) > 1:
        item = np.array([points[0]])
        base = points[0]
        points = np.delete(points, 0, 0)
        distance = (points[:, 0] - base[0]) ** 2 + (points[:, 1] - base[1]) ** 2  + (points[:, 2] - base[2]) ** 2# 获得距离
        infected_points = np.where(distance <= radius ** 2)  # 与base距离小于ra