open3d函数教程学习（持续更新）

Open3D：3D数据处理的现代库

Open3D的核心功能包括：

3D数据结构
3D数据处理算法
场景重建
表面对齐
3D可视化
基于物理的渲染（PBR）
在C ++和Python中可用

导入open3d模块和打印出帮助信息。

import open3d as o3d
pcd = o3d.io.read_point_cloud("../../TestData/ICP/cloud_bin_0.pcd")
print(pcd)

geometry::PointCloud with 198835 points.

---

从open3d模块导入read_point_cloud函数。它读取一个点云文件，并返回PointCloud类的实例。 open3d.geometry.PointCloud
print（pcd）打印点云的简要信息。

open3d.open3d_pybind.io模块中内置函数read_point_cloud

从文件读取PointCloud的功能
read_point_cloud(filename, format=‘auto’, remove_nan_points=True, remove_infinite_points=True, print_progress=False)

参数：
     filename（str）：文件路径。
     格式（str，可选，默认='auto'）：输入文件的格式。 如果未指定或设置为``auto''，则从文件扩展名中推断格式。
     remove_nan_points（布尔型，可选，默认为True）：如果为true，则从PointCloud中删除所有包含NaN的点。
     remove_infinite_points（布尔型，可选，默认为True）：如果为true，则从PointCloud中删除所有包含无限值的点。
     print_progress（布尔型，可选，默认= False）：如果设置为true，则在控制台中可视化进度条

read_point_cloud从文件读取点云。它尝试根据扩展名对文件进行解码。支持的扩展名是：pcd，ply，xyz，xyzrgb，xyzn，pts

Mesh

以下代码用于读取和写入网格

print("Testing IO for meshes ...")
mesh = o3d.io.read_triangle_mesh("../../TestData/knot.ply")
print(mesh)
o3d.io.write_triangle_mesh("copy_of_knot.ply", mesh)

Testing IO for meshes …
geometry::TriangleMesh with 1440 points and 2880 triangles.
True

---

与点云的数据结构相比，网格具有定义3D表面的三角形。

默认情况下，Open3D尝试通过文件扩展名来推断文件类型。 以下是受支持的三角形网格文件类型的列表。支持的扩展名：ply，stl，obj，off，gltf

Voxel downsampling

体素降采样使用常规的体素网格从输入点云创建统一降采样的点云。 它通常用作许多点云处理任务的预处理步骤。 就是将点云分块（这里为体素），然后逐块进行降采样（这里生成一个点），该算法分为两个步骤：

• 点被存储到体素中。
• 每个占用的体素通过平均内部的所有点来生成精确的一个点。

print("Downsample the point cloud with a voxel of 0.05")
downpcd = pcd.voxel_down_sample(voxel_size=0.05)
o3d.visualization.draw_geometries([downpcd], zoom=0.3412,
                                  front=[0.4257, -0.2125, -0.8795],
                                  lookat=[2.6172, 2.0475, 1.532],
                                  up=[-0.0694, -0.9768, 0.2024])

Downsample the point cloud with a voxel of 0.05

voxel_down_sample(self,voxel_size)
根据体素降采样从点云输入到点云输出。如果法线和颜色存在则将其平均

参数
voxel_size (float) – 要向下采样的体素大小

返回
open3d.geometry.PointCloud

---

voxel_down_sample_and_trace(self,voxel_size,min_bound,max_bound,approximate_class=False)

使用geometry.PointCloud.VoxelDownSample下采样的函数。 在下采样之前还记录点云索引

参数
voxel_size (float) – 向下采样的体素大小

min_bound (numpy.ndarray[float64[3, 1]]) – 体素边界的最小坐标

max_bound (numpy.ndarray[float64[3, 1]]) – 体素边界的最大坐标

approximate_class (bool, optional, default=False) – 近似类 可选，一般默认False

返回
Tuple[open3d.geometry.PointCloud, numpy.ndarray[int32[m, n]], 采样后的稀疏点云数据
List[open3d.utility.IntVector] 立方编号

---

open3d.utility.Vector3dVector

class open3d.utility.Vector3dVector

将形状（n，3）的float64 numpy数组转换为Open3D格式。

用法示例

import open3d
import numpy as np

pcd = open3d.geometry.PointCloud()
np_points = np.random.rand(100, 3)

# From numpy to Open3D
pcd.points = open3d.utility.Vector3dVector(np_points)

# From Open3D to numpy
np_points = np.asarray(pcd.points)

pcd.points = open3d.utility.Vector3dVector(np_points)
将形状（n，3）的float64 numpy数组转换为Open3D格式

np_points = np.asarray(pcd.points)
将Open3D格式转换为 numpy数组 （n，3）

---

get_min_bound(self)

返回几何坐标的最小范围

返回
numpy.ndarray [float64 [3，1]]

get_max_bound(self)

返回几何坐标的最大范围

返回
numpy.ndarray[float64[3, 1]]

用法示例

import open3d
min_bound = dense_pcd.get_min_bound() - voxel_size * 0.5  #获取最小点坐标 - 0.05 * 0.5
max_bound = dense_pcd.get_max_bound() + voxel_size * 0.5  

open3D_pointnet2_Semantic3d_master中利用体素进行数据降采样，首先取得体素边界的最大坐标和最小坐标。

本文地址：https://blog.csdn.net/CSDNcylinux/article/details/107339357