Linux/Ubuntu下Meshlab批量对散乱三维点云泊松重构的方法

Meshlab批量处理多个散乱三维点云:

思路:首先对单点云进行处理,生成mlx的脚本文件,最后通过批量执行meshlabserver命令实现对批量点云的重构。

具体步骤:
(1)打开单个散乱点云文件,文件包含点云上各点的XYZ坐标
(2)Meshlab——Filter——Point Set ——Compute normals for point sets——设置相关的参数
(3)Meshlab——Filter——Remeshing,Smoothing and Reconstruction ——Surface Reconstruction: Screened Poisson设置相关参数
如下图:
在这里插入图片描述
经过泊松重构后,默认当前的图层为点云图层,而并非Mesh图层,因此
(4)删除原点云图层
(5)生成相应的mlx脚本:Filter——Show current filter script ——Save Script,如图:
在这里插入图片描述
mlx文件:

<!DOCTYPE FilterScript>
<FilterScript>
 <filter name="Compute normals for point sets">
  <Param value="100" name="K" type="RichInt" tooltip="The number of neighbors used to estimate normals." description="Neighbour num"/>
  <Param value="0" name="smoothIter" type="RichInt" tooltip="The number of smoothing iteration done on the p used to estimate and propagate normals." description="Smooth Iteration"/>
  <Param value="false" name="flipFlag" type="RichBool" tooltip="If the 'viewpoint' (i.e. scanner position) is known, it can be used to disambiguate normals orientation, so that all the normals will be oriented in the same direction." description="Flip normals w.r.t. viewpoint"/>
  <Param y="0" x="0" z="0" name="viewPos" type="RichPoint3f" tooltip="The viewpoint position can be set by hand (i.e. getting the current viewpoint) or it can be retrieved from mesh camera, if the viewpoint position is stored there." description="Viewpoint Pos."/>
 </filter>
 <filter name="Smooths normals on a point sets">
  <Param value="10" name="K" type="RichInt" tooltip="The number of neighbors used to smooth normals." description="Number of neigbors"/>
  <Param value="false" name="useDist" type="RichBool" tooltip="If selected, the neighbour normals are waighted according to their distance" description="Weight using neighbour distance"/>
 </filter>
 <xmlfilter name="Surface Reconstruction: Screened Poisson">
  <xmlparam value="0" name="cgDepth"/>
  <xmlparam value="false" name="confidence"/>
  <xmlparam value="8" name="depth"/>
  <xmlparam value="5" name="fullDepth"/>
  <xmlparam value="8" name="iters"/>
  <xmlparam value="4" name="pointWeight"/>
  <xmlparam value="false" name="preClean"/>
  <xmlparam value="1.5" name="samplesPerNode"/>
  <xmlparam value="1.1" name="scale"/>
  <xmlparam value="false" name="visibleLayer"/>
 </xmlfilter>
 <filter name="Delete Current Mesh"/>
</FilterScript>

(6)meshlabserver 执行上述mlx文件:
在这里插入图片描述

其中40.xyz为输入文件,40.stl为输出文件,PoissonReconstruction.mlx为脚本文件,如果上述过程能输出40.stl则可进行下一步批量处理

(6)Linux Shell 脚本批量执行上述命令:创建一个batch.sh文件,复制下面命令,最后执行batch.sh即可

#!/usr/bin/env bash

#对某一个文件夹下的所有点云文件进行重构并输出
SHAPES_IN_DIR=/home/chris/Desktop/sorted/
SHAPES_OUT_DIR=/home/chris/Desktop/Poisson/
MLX_SCRIPT=/media/chris/DATA/Programming/meshlab/PoissonReconstruction.mlx

cd /home/chris/Desktop/sorted/
#下面进行循环遍历文件
for((k=0;k<10;k++))
do
	FILE_NAME=${SHAPES_IN_DIR}${k}.xyz
	OUTPUT_NEAME=${SHAPES_OUT_DIR}${k}.stl
	echo  Surface Reconstruction $k : ${FILE_NAME}  ${OUTPUT_NEAME}
	meshlabserver -i ${FILE_NAME} -o ${OUTPUT_NEAME} -s $MLX_SCRIPT
done

在这里插入图片描述

  • 1
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
MeshLab是一款用于处理三维模型和点云数据的开源软件。它提供了丰富的功能,可以生成三维模型,同时也可以将三维模型转换为点云数据。 在MeshLab中,我们可以导入点云数据,点云数据是由大量的点组成的三维数据集。通过点云数据,我们可以获取物体的表面形状和结构。导入点云数据后,我们可以对点云数据进行处理和编辑。 在生成三维模型方面,MeshLab提供了多种算法和工具。我们可以使用点云重建算法将点云数据转换为三维模型。点云重建算法可以根据点云数据中的点的位置和属性,重新构建出模型的表面形状。通过调整算法的参数,我们可以获得不同精度和复杂度的三维模型。 此外,MeshLab还支持多种三维模型和点云数据的处理和编辑功能。我们可以对模型进行修改、平滑、切割、连接等操作,以调整模型的形状和结构。同时,我们还可以进行纹理映射、颜色调整、材质设置等操作,以增强模型的外观效果。 最后,MeshLab可以将处理后的三维模型导出为各种常见的文件格式,如PLY、OBJ、STL等。这些文件格式可以被其他三维建模软件和可视化工具所支持,方便我们在其他平台上使用和展示生成的三维模型。 总之,MeshLab是一款强大的工具,可以通过点云数据生成三维模型,并提供丰富的功能用于处理和编辑三维模型。无论是研究者、设计师还是艺术家,都可以利用MeshLab进行三维模型的生成和处理。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值