Open3D点云数据处理基础（Python版）

杰特布

Open3D点云数据处理基础（Python版）文章目录1概述2安装2.1PyCharm与Python安装2.3Anaconda安装2.4Open3D0.13.0安装2.5新建一个Python项目3点云读写4点云可视化2.1可视化单个点云2.2同一窗口可视化多个点云2.3可视化的属性设置5k-dtree与Octree5.1k-dtree5.2Octree5.2.1从点云中构建Octree5.2.2从体素栅格中构建Octree6点云滤波6.1体素下采样6.2统计滤波6.3半径滤波7点云特征提取7.1法线估计8点云分割8.1DBSCAN聚类分割8.2RANSAC平面分割8.3隐藏点剔除9点云曲面重建9.1Alphashapes9.2Ballpivoting9.3Poissonsurfacereconstruction9.3.1直接读取点云的方法9.3.2mesh方法10点云空间变换10.1Translate平移10.1.1指定平移行向量，实现点云平移10.1.2将点云质心平移到指定位置10.2Rotation旋转10.2.1使用欧拉角旋转10.2.1.1未指定旋转中心10.2.1.2指定旋转中心10.2.2使用轴向角旋转10.2.3使用四元数旋转10.3Scale缩放10.4Generaltransformation一般变换（平移+旋转）11点云配准12其他常用算法12.1计算点云间的距离12.2计算点云最小包围盒12.3计算点云凸包12.4点云体素化12.4.1一种简单的方法12.1.2复杂方法12.5计算点云质心12.6根据索引提取点云12.7点云赋色历时一个月，Open3D点云数据处理基础（Python版）终于初具雏形！目前主要是一些基础内容，后续会继续完善，希望互相学习！1概述Open3D是一个开源库，支持快速开发处理3D数据的软件。Open3D后端是用C++实现的，经过高度优化并通过Python的前端接口公开。Open3D提供了三种数据结构：点云（pointcloud）、网格（mesh）和RGB-D图像。对于每个表示，open3D都实现了一整套基本处理算法，如I/O、采样、可视化和数据转换。此外，还包括一些常用的算法，如法线估计、ICP配准等。open3D包含了九个模块，如下表所示：模块功能Geometry几何模块数据结构和基本处理算法Camera相机模块相机模型和相机轨迹Odometry里程计模块RGB-D图像的跟踪与对齐Registration配准模块全局和局部配准Integration积分模块体积积分I/O输入输出模块读写3维数据Visualization可视化模块使用OpenGL呈现3D数据的可自定义GUIUtility辅助功能模块辅助功能，如控制台输出、文件系统和特征包装器Python模块Open3DPython绑定和教程本文旨在快速入门Python点云数据处理，原理性知识会在后续专题中给出，这里不做过多描述。2安装2.1PyCharm与Python安装PyCharmCommunity2021.2安装教程（附汉化教程！）2.3Anaconda安装Anaconda32021安装教程2.4Open3D0.13.0安装在成功安装Anaconda3之后，在所有应用中找到Anaconda3，选择AnacondaPowershellPrompt打开之后如下所示手动输入pipinstallopen3d1开始安装open3d-0.13.0，需要漫长的等待…安装成功！2.5新建一个Python项目文件>新建项目，输入（若路径不存在，则自动创建）或选择位置路径，选择已经由Conda配置好的解释器新建Python文件输入新建的Python文件名，按回车完成新建测试代码importopen3daso3dimportnumpyasnpprint("->正在加载点云...")pcd=o3d.io.read_point_cloud("test.pcd")print(pcd)print("->正在保存点云")o3d.io.write_point_cloud("write.pcd",pcd,True)#默认false，保存为Binarty；True保存为ASICC形式print(pcd)12345673点云读写代码：importopen3daso3dimportnumpyasnpprint("->正在加载点云...")pcd=o3d.io.read_point_cloud("test.pcd")print(pcd)print("->正在保存点云")o3d.io.write_point_cloud("write.pcd",pcd,True)#默认false，保存为Binarty；True保存为ASICC形式print(pcd)1234567输出结果：->正在加载点云...PointCloudwith356478points.->正在保存点云PointCloudwith356478points.1234默认情况下，Open3D尝试通过文件扩展名推断文件类型。支持以下点云文件类型：格式描述xyz每一行包含[x,y,z],其中的x,y,z是三维坐标xyzn每一行包含[x,y,z,nx,ny,nz],其中的nx,ny,nz是法线向量xyzrgb每一行包含[x,y,z,r,g,b],其中的r,g,b是范围在[0,1]的float类型pts第一行是表示点数的整数。每个后续行包含[x,y,z,i,r,g,b],其中的r,g,b是uint8类型ply查看PolygonFileFormat,ply文件能够同时包含点云和网格数据pcd查看PointCloudData也可以显式地指定文件类型。在这种情况下，文件扩展名将被忽略。pcd=o3d.io.read_point_cloud("../../test_data/my_points.txt",format='xyz')14点云可视化2.1可视化单个点云代码：importopen3daso3dimportnumpyasnpprint("->正在加载点云...")pcd=o3d.io.read_point_cloud("test.pcd")print(pcd)print("->正在可视化点云")o3d.visualization.draw_geometries([pcd])1234567输出结果：->正在加载点云...PointCloudwith356478points.->正在可视化点云123可视化结果展示：可以通过键盘上的+、-，实时调整点的大小。2.2同一窗口可视化多个点云函数描述：o3d.visualization.draw_geometries([pcd1,pcd2,...,pcdn])代码：importopen3daso3dimportnumpyasnpprint("->正在加载点云1...")pcd1=o3d.io.read_point_cloud("bunny.pcd")print(pcd1)print("->正在加载点云2...")pcd2=o3d.io.read_point_cloud("bunny0.pcd")print(pcd2)print("->正在同时可视化两个点云...")o3d.visualization.draw_geometries([pcd1,pcd2])12345678910输出结果：->正在加载点云1...PointCloudwith35947points.->正在加载点云2...PointCloudwith35947points.->正在同时可视化两个点云...12345可视化结果：2.3可视化的属性设置函数原型1：draw_geometries(geometry_list,window_name='Open3D',width=1920,height=1080,left=50,top=50,point_show_normal=False,mesh_show_wireframe=False,mesh_show_back_face=False)1参数说明参数名描述geometry_list要可视化的几何体列表window_name(str,optional,default='Open3D')，可视化窗口的显示width(int,optional,default=1920)，可视化窗口的宽度height(int,optional,default=1080)，可视化窗口的高度left(int,optional,default=50)，可视化窗口的左边距top(int,optional,default=50)，可视化窗口的顶部边距point_show_normal(bool,optional,default=False)，如果设置为true，则可视化点法线，需要事先计算点云法线mesh_show_wireframe(bool,optional,default=False)，如果设置为true，则可视化网格线框mesh_show_back_face(bool,optional,default=False)，可视化网格三角形的背面函数原型2：draw_geometries(geometry_list,window_name='Open3D',width=1920,height=1080,left=50,top=50,point_show_normal=False,mesh_show_wireframe=False,mesh_show_back_face=False,lookat,up,front,zoom)1参数说明参数名描述geometry_list要可视化的几何体列表window_name(str,optional,default='Open3D')，可视化窗口的显示width(int,optional,default=1920)，可视化窗口的宽度height(int,optional,default=1080)，可视化窗口的高度left(int,optional,default=50)，可视化窗口的左边距top(int,optional,default=50)，可视化窗口的顶部边距point_show_normal(bool,optional,default=False)，如果设置为true，则可视化点法线mesh_show_wireframe(bool,optional,default=False)，如果设置为true，则可视化网格线框mesh_show_back_face(bool,optional,default=False)，可视化网格三角形的背面lookat(numpy.ndarray[float64[3,1]])，相机的注视向量up(numpy.ndarray[float64[3,1]])，相机的上方向向量front(numpy.ndarray[float64[3,1]])，相机的前矢量zoom(float)，相机的缩放倍数代码：importopen3daso3dprint("->正在加载点云...")pcd=o3d.io.read_point_cloud("bunny.pcd")print(pcd)#法线估计radius=0.01#搜索半径max_nn=30#邻域内用于估算法线的最大点数pcd.estimate_normals(search_param=o3d.geometry.KDTreeSearchParamHybrid(radius,max_nn))#执行法线估计#可视化o3d.visualization.draw_geometries([pcd],window_name="可视化参数设置",width=600,height=450,left=30,top=30,point_show_normal=True)123456可视化结果：5k-dtree与Octree5.1k-dtreeo3d.geometry.KDTreeFlann(pcd)：建立KDTreesearch_knn_vector_3d(search_Pt,k)：K近邻搜索search_radius_vector_3d(search_Pt,radius)：半径R近邻搜索search_hybrid_vector_3d(search_pt,radius,max_nn)：混合邻域搜索，返回半径radius内不超过max_nn个近邻点代码：importopen3daso3dimportnumpyasnpprint("->正在加载点云...")pcd=o3d.io.read_point_cloud("bunny.pcd")print(pcd)#将点云设置为灰色pcd.paint_uniform_color([0.5,0.5,0.5])#建立KDTreepcd_tree=o3d.geometry.KDTreeFlann(pcd)#将第1500个点设置为紫色pcd.colors[1500]=[0.5,0,0.5]#使用K近邻，将第1500个点最近的5000个点设置为蓝色print("使用K近邻，将第1500个点最近的5000个点设置为蓝色")k=5000#设置K的大小[num_k,idx_k,_]=pcd_tree.search_knn_vector_3d(pcd.points[1500],k)#返回邻域点的个数和索引np.asarray(pcd.colors)[idx_k[1:],:]=[0,0,1]#跳过最近邻点（查询点本身）进行赋色print("k邻域内的点数为：",num_k)#使用半径R近邻，将第1500个点半径（0.02）范围内的点设置为红色print("使用半径R近邻，将第1500个点半径（0.02）范围内的点设置为红色")radius=0.02#设置半径大小[num_radius,idx_radius,_]=pcd_tree.search_radius_vector_3d(pcd.points[1500],radius)#返回邻域点的个数和索引np.asarray(pcd.colors)[idx_radius[1:],:]=[1,0,0]#跳过最近邻点（查询点本身）进行赋色print("半径r邻域内的点数为：",num_radius)#使用混合邻域，将半径R邻域内不超过max_num个点设置为绿色print("使用混合邻域，将第1500个点半径R邻域内不超过max_num个点设置为绿色")max_nn=200#半径R邻域内最大点数[num_hybrid,idx_hybrid,_]=pcd_tree.search_hybrid_vector_3d(pcd.points[1500],radius,max_nn)np.asarray(pcd.colors)[idx_hybrid[1:],:]=[0,1,0]#跳过最近邻点（查询点本身）进行赋色print("混合邻域内的点数为：",num_hybrid)print("->正在可视化点云...")o3d.visualization.draw_geometries([pcd])1234567891011121314151617181920212223输出结果：->正在加载点云...PointCloudwith35947points.使用K近邻，将第1500个点最近的5000个点设置为蓝色k邻域内的点数为：5000使用半径R近邻，将第1500个点半径（0.02）范围内的点设置为红色半径r邻域内的点数为：751使用混合邻域，将第1500个点半径R邻域内不超过max_num个点设置为绿色混合邻域内的点数为：200->正在可视化点云...123456789结果展示：5.2Octree八叉树（Octree）是一种树数据结构，其中每个内部节点有八个子节点。八叉树通常用于三维点云的空间划分。八叉树的非空叶节点包含属于同一空间细分的一个或多个点。八叉树是三维空间的有用描述，可用于快速查找附近的点。Open3D具有几何体类型的八叉树，可用于创建、搜索和遍历具有用户指定的最大树深度的八叉树max_depth。5.2.1从点云中构建Octree可以使用convert_from_point_cloud方法从点云构造八叉树。通过遵循从根节点到“最大深度”（depthmax_depth）处的相应叶节点的路径，将每个点插入到树中。随着树深度的增加，内部（最终是叶子）节点表示三维空间的较小分区。如果点云具有颜色，则对应的叶节点将采用上次插入点的颜色。size_expand参数会增加根八叉树节点的大小，使其略大于原始点云边界以容纳所有点。代码：importopen3daso3dimportnumpyasnp#---------------------------加载点云---------------------------print("->正在加载点云...")pcd=o3d.io.read_point_cloud("tree.pcd")print("原始点云：",pcd)#==============================================================#-------------------------构建Octree--------------------------print('octree分割')octree=o3d.geometry.Octree(max_depth=4)octree.convert_from_point_cloud(pcd,size_expand=0.01)print("->正在可视化Octree...")o3d.visualization.draw_geometries([octree])#==============================================================12345678910输出结果：->正在加载点云...原始点云：PointCloudwith5746points.octree分割->正在可视化Octree...1234结果展示：5.2.2从体素栅格中构建Octree还可以使用create_from_voxel_grid的方法，从Open3D体素网格VoxelGrid几何体构建八叉树。每个体素被视为三维空间中的一个点，坐标对应于体素的原点。每个叶节点采用其相应体素的颜色。代码：importopen3daso3dimportnumpyasnp#---------------------------加载点云---------------------------print("->正在加载点云...")pcd=o3d.io.read_point_cloud("tree.pcd")print("原始点云：",pcd)#==============================================================#-------------------------构建Octree--------------------------print('体素化')voxel_grid=o3d.geometry.VoxelGrid.create_from_point_cloud(pcd,voxel_size=0.2)print("体素：",voxel_grid)print("正在可视化体素...")o3d.visualization.draw_geometries([voxel_grid])print('Octree分割')octree=o3d.geometry.Octree(max_depth=4)octree.create_from_voxel_grid(voxel_grid)print("Octree：",octree)print("正在可视化Octree...")o3d.visualization.draw_geometries([octree])#==============================================================12345678910111213141516输出结果：->正在加载点云...原始点云：PointCloudwith5746points.体素化体素：VoxelGridwith861voxels.正在可视化体素...Octree分割Octree：Octreewithorigin:[64.647,-54.2659,-20.2166],size:7,max_depth:4正在可视化Octree...12345678可视化结果：6点云滤波6.1体素下采样体素下采样使用规则体素栅格从输入点云创建均匀下采样点云。该算法分两步操作：将点云进行进行体素划分对所有非空体素，取体素内点云的质心作为该体素的点的位置。代码：importopen3daso3dimportnumpyasnpprint("->正在加载点云...")pcd=o3d.io.read_point_cloud("test.pcd")print(pcd)print("->正在可视化原始点云")o3d.visualization.draw_geometries([pcd])print("->正在体素下采样...")voxel_size=0.5downpcd=pcd.voxel_down_sample(voxel_size)print(downpcd)print("->正在可视化下采样点云")o3d.visualization.draw_geometries([downpcd])1234567891011121314输出结果：->正在加载点云...PointCloudwith356478points.->正在可视化原始点云->正在体素下采样...PointCloudwith11141points.->正在可视化下采样点云123456可视化展示：6.2统计滤波statistical_outlier_removal会移除距离相邻点更远的点。它需要两个输入参数：num_neighbors，指定为了计算给定点的平均距离，需要考虑多少个邻居。即K邻域的点数std_ratio，允许根据点云平均距离的标准偏差设置阈值水平。该数值越低，滤除的点数就越多代码：importopen3daso3dimportnumpyasnpprint("->正在加载点云...")pcd=o3d.io.read_point_cloud("desk.pcd")print("原始点云：",pcd)#-------------------------统计滤波--------------------------print("->正在进行统计滤波...")num_neighbors=20#K邻域点的个数std_ratio=2.0#标准差乘数#执行统计滤波，返回滤波后的点云sor_pcd和对应的索引indsor_pcd,ind=pcd.remove_statistical_outlier(num_neighbors,std_ratio)sor_pcd.paint_uniform_color([0,0,1])print("统计滤波后的点云：",sor_pcd)sor_pcd.paint_uniform_color([0,0,1])#提取噪声点云sor_noise_pcd=pcd.select_by_index(ind,invert=True)print("噪声点云：",sor_noise_pcd)sor_noise_pcd.paint_uniform_color([1,0,0])#===========================================================#可视化统计滤波后的点云和噪声点云o3d.visualization.draw_geometries([sor_pcd,sor_noise_pcd])1输出结果：->正在加载点云...原始点云：PointCloudwith41049points.->正在进行统计滤波...统计滤波后的点云：PointCloudwith40061points.噪声点云：PointCloudwith988points.12345可视化结果：6.3半径滤波radius_outlier_removal移除给定球体中几乎没有邻居的点。需要两个参数：num_points，邻域球内的最少点数，低于该值的点为噪声点radius，邻域半径的大小代码：importopen3daso3dimportnumpyasnpprint("->正在加载点云...")pcd=o3d.io.read_point_cloud("desk.pcd")print("原始点云：",pcd)#-------------------------半径滤波--------------------------print("->正在进行半径滤波...")num_points=20#邻域球内的最少点数，低于该值的点为噪声点radius=0.05#邻域半径大小#执行半径滤波，返回滤波后的点云sor_pcd和对应的索引indsor_pcd,ind=pcd.remove_radius_outlier(num_points,radius)sor_pcd.paint_uniform_color([0,0,1])print("半径滤波后的点云：",sor_pcd)sor_pcd.paint_uniform_color([0,0,1])#提取噪声点云sor_noise_pcd=pcd.select_by_index(ind,invert=True)print("噪声点云：",sor_noise_pcd)sor_noise_pcd.paint_uniform_color([1,0,0])#===========================================================#可视化半径滤波后的点云和噪声点云o3d.visualization.draw_geometries([sor_pcd,sor_noise_pcd])1输出结果：->正在加载点云...原始点云：PointCloudwith41049points.->正在进行半径滤波...半径滤波后的点云：PointCloudwith40146points.噪声点云：PointCloudwith903points.12345可视化结果：7点云特征提取7.1法线估计代码：importopen3daso3dimportnumpyasnpprint("->正在加载点云...")pcd=o3d.io.read_point_cloud("bunny.pcd")print(pcd)print("->正在估计法线并可视化...")radius=0.01#搜索半径max_nn=30#邻域内用于估算法线的最大点数pcd.estimate_normals(search_param=o3d.geometry.KDTreeSearchParamHybrid(radius,max_nn))#执行法线估计o3d.visualization.draw_geometries([pcd],point_show_normal=True)print("->正在打印前10个点的法向量...")print(np.asarray(pcd.normals)[:10,:])1输出结果：->正在加载点云...PointCloudwith35947points.->正在估计法线并可视化...->正在打印前10个点的法向量...[[-0.22344398-0.969625570.09949394][-0.30282456-0.918277570.25507564][-0.0930339-0.77633579-0.62341594][0.06452443-0.96881599-0.23923249][0.24771039-0.963494840.10157387][0.1890532-0.975417810.11322096][-0.26920394-0.950109880.15754506][0.729413170.512985680.45255067][0.839493020.54023170.05831961][-0.323252530.629207650.7068278]]1234567891011121314可视化结果：8点云分割8.1DBSCAN聚类分割Open3D实现了DBSCAN[1996]，这是一种基于密度的聚类算法。该算法在cluster_dbscan中实现，需要两个参数：eps为同一簇内的最大点间距，min_points定义有效聚类的最小点数。函数返回标签label，其中label=-1表示噪声。代码：importopen3daso3dimportnumpyasnpimportmatplotlib.pyplotaspltprint("->正在加载点云...")pcd=o3d.io.read_point_cloud("test.pcd")print(pcd)print("->正在DBSCAN聚类...")eps=0.5#同一聚类中最大点间距min_points=50#有效聚类的最小点数witho3d.utility.VerbosityContextManager(o3d.utility.VerbosityLevel.Debug)ascm:labels=np.array(pcd.cluster_dbscan(eps,min_points,print_progress=True))max_label=labels.max()#获取聚类标签的最大值[-1,0,1,2,...,max_label]，label=-1为噪声，因此总聚类个数为max_label+1print(f"pointcloudhas{max_label+1}clusters")colors=plt.get_cmap("tab20")(labels/(max_labelifmax_label>0else1))colors[labels正在加载点云...")pcd=o3d.io.read_point_cloud("test.pcd")print(pcd)print("->正在RANSAC平面分割...")distance_threshold=0.2#内点到平面模型的最大距离ransac_n=3#用于拟合平面的采样点数num_iterations=1000#最大迭代次数#返回模型系数plane_model和内点索引inliers，并赋值plane_model,inliers=pcd.segment_plane(distance_threshold,ransac_n,num_iterations)#输出平面方程[a,b,c,d]=plane_modelprint(f"Planeequation:{a:.2f}x+{b:.2f}y+{c:.2f}z+{d:.2f}=0")#平面内点点云inlier_cloud=pcd.select_by_index(inliers)inlier_cloud.paint_uniform_color([0,0,1.0])print(inlier_cloud)#平面外点点云outlier_cloud=pcd.select_by_index(inliers,invert=True)outlier_cloud.paint_uniform_color([1.0,0,0])print(outlier_cloud)#可视化平面分割结果o3d.visualization.draw_geometries([inlier_cloud,outlier_cloud])1输出结果：->正在加载点云...PointCloudwith356478points.->正在RANSAC平面分割...Planeequation:-0.00x+-0.00y+1.00z+-0.27=0PointCloudwith241099points.PointCloudwith115379points.123456可视化结果：8.3隐藏点剔除假设您希望从给定的视点渲染点云，但背景中的点会泄漏到前景中，因为它们不会被其他点遮挡。为此，我们可以应用隐藏点移除算法。在Open3D中，实现了[Katz2007]的方法，该方法从给定视图近似点云的可见性，无需曲面重建或法线估计。代码：importopen3daso3dimportnumpyasnpprint("->正在加载点云...")pcd=o3d.io.read_point_cloud("bunny.pcd")print(pcd)print("->正在剔除隐藏点...")diameter=np.linalg.norm(np.asarray(pcd.get_max_bound())-np.asarray(pcd.get_min_bound()))print("定义隐藏点去除的参数")camera=[0,0,diameter]#视点位置radius=diameter*100#噪声点云半径,Theradiusofthespericalprojection_,pt_map=pcd.hidden_point_removal(camera,radius)#获取视点位置能看到的所有点的索引pt_map#可视点点云pcd_visible=pcd.select_by_index(pt_map)pcd_visible.paint_uniform_color([0,0,1])#可视点为蓝色print("->可视点个数为：",pcd_visible)#隐藏点点云pcd_hidden=pcd.select_by_index(pt_map,invert=True)pcd_hidden.paint_uniform_color([1,0,0])#隐藏点为红色print("->隐藏点个数为：",pcd_hidden)print("->正在可视化可视点和隐藏点点云...")o3d.visualization.draw_geometries([pcd_visible,pcd_hidden])1输出结果：->正在加载点云...PointCloudwith35947points.->正在剔除隐藏点...定义隐藏点去除的参数->可视点个数为：PointCloudwith11490points.->正在可视化可视点和隐藏点点云...123456可视化结果：函数原型：defhidden_point_removal(self,camera_location,radius):#realsignatureunknown;restoredfrom__doc__"""hidden_point_removal(self,camera_location,radius)Removeshiddenpointsfromapointcloudandreturnsameshoftheremainingpoints.BasedonKatzetal.'DirectVisibilityofPointSets',2007.AdditionalinformationaboutthechoiceofradiusfornoisypointcloudscanbefoundinMehraet.al.'VisibilityofNoisyPointCloudData',2010.Args:camera_location(numpy.ndarray[float64[3,1]]):Allpointsnotvisiblefromthatlocationwillbereomvedradius(float):TheradiusofthespericalprojectionReturns:Tuple[open3d.geometry.TriangleMesh,List[int]]"""pass19点云曲面重建在许多情况下，我们希望生成密集的三维几何体，即三角形网格。然而，从多视图立体方法或深度传感器中，我们只能获得非结构化点云。要从非结构化输入中获得三角形网格，我们需要执行曲面重建。文献中有几种方法，Open3D目前实现了以下功能：Alphashapes[Edelsbrunner1983]Ballpivoting[Bernardini1999]Poissonsurfacereconstruction[Kazhdan2006]9.1AlphashapesAlphashapes是凸壳的推广。正如这里所描述的，我们可以直观地认为Alphashapes如下：想象一个巨大的冰淇淋，其中包含点S作为硬巧克力块。使用其中一个球形冰淇淋勺，我们可以在不撞到巧克力块的情况下雕刻出冰淇淋块的所有部分，从而甚至在内部雕刻出孔（例如，仅从外部移动勺子无法触及的部分）。我们最终将得到一个（不一定是凸的）对象，该对象以帽、弧和点为边界。如果我们现在把所有的面拉直成三角形和线段，我们就可以直观地描述S的Alphashapes。Open3D实现了create_from_point_cloud_alpha_shape方法代码：importopen3daso3dimportnumpyasnp#---------------------------加载点云---------------------------print("->正在加载点云...")pcd=o3d.io.read_point_cloud("bunny.pcd")print("原始点云：",pcd)#==============================================================#-------------------------Alphashapes-----------------------alpha=0.03print(f"alpha={alpha:.3f}")mesh=o3d.geometry.TriangleMesh.create_from_point_cloud_alpha_shape(pcd,alpha)mesh.compute_vertex_normals()o3d.visualization.draw_geometries([mesh],mesh_show_back_face=True)#==============================================================1可视化结果：9.2BallpivotingBallpivoting（BPA）[Bernardini1999]是一种与Alphashapes相关的曲面重建方法。直观地说，想象一个具有给定半径的3D球，我们将其落在点云上。如果它击中任何3个点（并且没有穿过这3个点），它将创建一个三角形。然后，该算法从现有三角形的边开始旋转，每当它击中球未落下的3个点时，我们创建另一个三角形。open3D对应的函数为create_from_point_cloud_ball_pivoting代码：importopen3daso3dimportnumpyasnp#----------------------定义点云体素化函数----------------------defget_mesh(_relative_path):mesh=o3d.io.read_triangle_mesh(_relative_path)mesh.compute_vertex_normals()returnmesh#=============================================================#-------------------------Ballpivoting--------------------------print("->Ballpivoting...")_relative_path="bunny.ply"#设置相对路径N=2000#将点划分为N个体素pcd=get_mesh(_relative_path).sample_points_poisson_disk(N)o3d.visualization.draw_geometries([pcd])radii=[0.005,0.01,0.02,0.04]rec_mesh=o3d.geometry.TriangleMesh.create_from_point_cloud_ball_pivoting(pcd,o3d.utility.DoubleVector(radii))o3d.visualization.draw_geometries([pcd,rec_mesh])#==============================================================1可视化结果：9.3Poissonsurfacereconstruction泊松曲面重建方法[Kazhdan2006]解决了一个正则化优化问题，以获得光滑曲面。因此，泊松曲面重建比上述方法更可取，因为它们会产生非平滑结果，因为点云的点也是生成的三角形网格的顶点，无需任何修改。Open3D对应的方法为create_from_point_cloud_poisson，这基本上是Kazhdan代码的包装。该函数的一个重要参数是depth，它定义了用于曲面重建的八叉树的深度，因此表示生成的三角形网格的分辨率。depth值越高，网格的细节就越多。9.3.1直接读取点云的方法代码：importopen3daso3dimportnumpyasnp#---------------------------加载点云---------------------------print("->正在加载点云...")pcd=o3d.io.read_point_cloud("bunny.pcd")print("原始点云：",pcd)#==============================================================#-------------------------Ballpivoting--------------------------print('runPoissonsurfacereconstruction')radius=0.001#搜索半径max_nn=30#邻域内用于估算法线的最大点数pcd.estimate_normals(search_param=o3d.geometry.KDTreeSearchParamHybrid(radius,max_nn))#执行法线估计witho3d.utility.VerbosityContextManager(o3d.utility.VerbosityLevel.Debug)ascm:mesh,densities=o3d.geometry.TriangleMesh.create_from_point_cloud_poisson(pcd,depth=12)print(mesh)o3d.visualization.draw_geometries([mesh])#==============================================================1可视化结果：9.3.2mesh方法代码：importopen3daso3dimportnumpyasnp#--------------------------定义点云体素化函数---------------------------defget_mesh(_relative_path):mesh=o3d.io.read_triangle_mesh(_relative_path)mesh.compute_vertex_normals()returnmesh#=====================================================================#--------------------Poissonsurfacereconstruction------------------#加载点云print("->oissonsurfacereconstruction...")_relative_path="bunny.ply"#设置相对路径N=5000#将点划分为N个体素pcd=get_mesh(_relative_path).sample_points_poisson_disk(N)pcd.normals=o3d.utility.Vector3dVector(np.zeros((1,3)))#使现有法线无效#法线估计pcd.estimate_normals()o3d.visualization.draw_geometries([pcd],point_show_normal=True)pcd.orient_normals_consistent_tangent_plane(100)o3d.visualization.draw_geometries([pcd],point_show_normal=True)#泊松重建print('runPoissonsurfacereconstruction')witho3d.utility.VerbosityContextManager(o3d.utility.VerbosityLevel.Debug)ascm:mesh,densities=o3d.geometry.TriangleMesh.create_from_point_cloud_poisson(pcd,depth=9)print(mesh)o3d.visualization.draw_geometries([mesh])#=====================================================================1可视化结果：10点云空间变换Open3D的几何体类型有多种转换方法。下面将介绍如何使用taranslate平移、rotate旋转、scale缩放和transform变换（旋转+平移）。10.1Translate平移我们要研究的第一种转换方法是translate。该函数接受两个输入参数：第一个输入参数为一个三维行向量(tx,ty,tz)第二个参数为布尔值，默认relative=True，实现点云平移。若设置为relative=False，则将点云质心平移到第一个参数指定的位置pcd.translate((tx,ty,tz),relative=True)110.1.1指定平移行向量，实现点云平移只输入第一个参数，或者将第二个参数设置为relative=True或True，relative可以省略代码：importcopy#点云深拷贝importopen3daso3d#--------------------------加载点云------------------------print("->正在加载点云...")pcd=o3d.io.read_point_cloud("bunny.pcd")print(pcd)print(f'pcd质心：{pcd.get_center()}')#===========================================================#--------------------------点云平移------------------------print("\n->沿X轴平移0.2m")pcd_tx=copy.deepcopy(pcd).translate((0.2,0,0))pcd_tx.paint_uniform_color([1,0,0])print(pcd_tx)print(f'pcd_tx质心：{pcd_tx.get_center()}')print("\n->沿Y轴平移0.2m")pcd_ty=copy.deepcopy(pcd_tx).translate((0,0.2,0))pcd_ty.paint_uniform_color([0,1,0])print(pcd_ty)print(f'pcd_ty质心：{pcd_ty.get_center()}')print("\n->沿X轴平移-0.2m，再沿Y轴平移0.2m")pcd_txy=copy.deepcopy(pcd).translate((-0.2,0.2,0))pcd_txy.paint_uniform_color([0,0,1])print(pcd_txy)print('pcd_txy质心：',pcd_txy.get_center())#===========================================================#--------------------------可视化--------------------------o3d.visualization.draw_geometries([pcd,pcd_tx,pcd_ty,pcd_txy])#===========================================================1'运行运行输出结果：->正在加载点云...PointCloudwith35947points.pcd质心：[-0.026759910.095216060.00894711]->沿X轴平移0.2mPointCloudwith35947points.pcd_tx质心：[0.173240090.095216060.00894711]->沿Y轴平移0.2mPointCloudwith35947points.pcd_ty质心：[0.173240090.295216060.00894711]->沿X轴平移-0.2m，再沿Y轴平移0.2mPointCloudwith35947points.pcd_txy质心：[-0.226759910.295216060.00894711]123456789101112131415结果展示：10.1.2将点云质心平移到指定位置将第二个参数relative设置为False即可。代码：importcopy#点云深拷贝importopen3daso3d#--------------------------加载点云------------------------print("->正在加载点云...")pcd=o3d.io.read_point_cloud("bunny.pcd")print(pcd)print(f'pcd质心：{pcd.get_center()}')#===========================================================#--------------------------点云平移------------------------print("\n->沿X轴平移0.2m")pcd_tx=copy.deepcopy(pcd).translate((0.2,0.2,0.2))pcd_tx.paint_uniform_color([1,0,0])print(pcd_tx)print(f'pcd_tx质心：{pcd_tx.get_center()}')print("\n->将点云质心平移到指定位置")pcd_new=copy.deepcopy(pcd_tx).translate((0.2,0.2,0.2),relative=False)#pcd_new=copy.deepcopy(pcd_tx).translate((0.2,0.2,0.2),False)#relative可以省略pcd_new.paint_uniform_color([0,1,0])print(pcd_new)print(f'pcd_new：{pcd_new.get_center()}')#===========================================================#--------------------------可视化--------------------------o3d.visualization.draw_geometries([pcd,pcd_tx,pcd_new])#===========================================================1'运行运行输出结果：->正在加载点云...PointCloudwith35947points.pcd质心：[-0.026759910.095216060.00894711]->沿X轴平移0.2mPointCloudwith35947points.pcd_tx质心：[0.173240090.295216060.20894711]->将点云质心平移到指定位置PointCloudwith35947points.pcd_new：[0.20.20.2]1234567891011结果展示：10.2Rotation旋转Open3D使用rotate进行旋转，接受两个输入参数：第一个参数是旋转矩阵R。由于3D中的旋转可以通过多种方式进行参数化，Open3D提供了方便的功能，可以将不同的参数化转换为旋转矩阵：使用get_rotation_matrix_from_xyz从欧拉角Eulerangles中转换（其中，xyz也可以是yzx,zxy,xzy,zyx,和yxz的形式）使用get_rotation_matrix_from_axis_angle从轴角表示法Axis-anglerepresentation中转换使用get_rotation_matrix_from_quaternion从四参数Quaternions中转换第二个参数center，若不设置，则围绕点云质心旋转，旋转前后点云质心位置不变。pcd.rotate(R)#不指定旋转中心1若指定center，则整个点云围绕指定的坐标中心(x,y,z)旋转。旋转前后点云质心位置发生改变。pcd.rotate(R,center=(x,y,z))#指定旋转中心110.2.1使用欧拉角旋转10.2.1.1未指定旋转中心未指定旋转中心，默认以点云质心为旋转中心，旋转前后点云执行不变。代码：importcopy#点云深拷贝importopen3daso3dimportnumpyasnp#--------------------------加载点云------------------------print("->正在加载点云...")pcd=o3d.io.read_point_cloud("bunny.pcd")print(pcd)pcd.paint_uniform_color([1,0,0])print("->pcd质心：",pcd.get_center())#===========================================================#--------------------------点云旋转------------------------print("\n->采用欧拉角进行点云旋转")pcd_EulerAngle=copy.deepcopy(pcd)R1=pcd.get_rotation_matrix_from_xyz((0,np.pi/2,0))print("旋转矩阵：\n",R1)pcd_EulerAngle.rotate(R1)#不指定旋转中心pcd_EulerAngle.paint_uniform_color([0,0,1])print("\n->pcd_EulerAngle质心：",pcd_EulerAngle.get_center())#===========================================================#--------------------------可视化--------------------------o3d.visualization.draw_geometries([pcd,pcd_EulerAngle])#===========================================================1'运行运行输出结果：->正在加载点云...PointCloudwith35947points.->pcd质心：[-0.026759910.095216060.00894711]->采用欧拉角进行点云旋转旋转矩阵：[[6.123234e-170.000000e+001.000000e+00][0.000000e+001.000000e+000.000000e+00][-1.000000e+000.000000e+006.123234e-17]]->pcd_EulerAngle质心：[-0.026759910.095216060.00894711]1234567891011结果展示：10.2.1.2指定旋转中心指定旋转中心，旋转前后点云质心改变。代码：importcopy#点云深拷贝importopen3daso3dimportnumpyasnp#--------------------------加载点云------------------------print("->正在加载点云...")pcd=o3d.io.read_point_cloud("bunny.pcd")print(pcd)pcd.paint_uniform_color([1,0,0])print("->pcd质心：",pcd.get_center())#===========================================================#--------------------------点云旋转------------------------print("\n->采用欧拉角进行点云旋转")pcd_EulerAngle=copy.deepcopy(pcd)R1=pcd.get_rotation_matrix_from_xyz((0,np.pi/2,0))print("旋转矩阵：\n",R1)pcd_EulerAngle.rotate(R1,center=(0.1,0.1,0.1))#指定旋转中心pcd_EulerAngle.paint_uniform_color([0,0,1])print("\n->pcd_EulerAngle质心：",pcd_EulerAngle.get_center())#===========================================================#--------------------------可视化--------------------------o3d.visualization.draw_geometries([pcd,pcd_EulerAngle])#===========================================================1'运行运行输出结果：->正在加载点云...PointCloudwith35947points.->pcd质心：[-0.026759910.095216060.00894711]->采用欧拉角进行点云旋转旋转矩阵：[[6.123234e-170.000000e+001.000000e+00][0.000000e+001.000000e+000.000000e+00][-1.000000e+000.000000e+006.123234e-17]]->pcd_EulerAngle质心：[0.008947110.095216060.22675991]1234567891011结果展示：10.2.2使用轴向角旋转10.2.3使用四元数旋转10.3Scale缩放使用rotate函数实现点云缩放，接受两个输入参数：缩放倍数缩放后点云质心center，不可省略。pcd_scale.rotate(2,center=pcd.get_center())#缩放前后质心一致1pcd_scale.rotate(2,center=(x,y,z))#缩放后质心为(x,y,z)1代码：importcopy#点云深拷贝importopen3daso3dimportnumpyasnp#--------------------------加载点云------------------------print("->正在加载点云...")pcd=o3d.io.read_point_cloud("circle.pcd")print(pcd)pcd.paint_uniform_color([1,0,0])print("->pcd质心：",pcd.get_center())#===========================================================#--------------------------点云缩放------------------------print("\n->点云缩放")pcd_scale1=copy.deepcopy(pcd)pcd_scale1.scale(1.5,center=pcd.get_center())pcd_scale1.paint_uniform_color([0,0,1])print("->pcd_scale1质心：",pcd_scale1.get_center())#缩放前后质心不变pcd_scale2=copy.deepcopy(pcd)pcd_scale2.scale(0.5,center=(1,1,1))#自定义缩放后的质心pcd_scale2.paint_uniform_color([0,1,0])print("->pcd_scale2质心：",pcd_scale2.get_center())#===========================================================#--------------------------可视化--------------------------o3d.visualization.draw_geometries([pcd,pcd_scale1,pcd_scale2])#===========================================================1'运行运行输出结果：->正在加载点云...PointCloudwith63points.->pcd质心：[1.010668241.999555130.]->点云缩放->pcd_scale1质心：[1.010668241.999555130.]->pcd_scale2质心：[1.005334121.499777560.5]1234567结果展示：10.4Generaltransformation一般变换（平移+旋转）使用transform实现点云的一般变换，接受1个输入参数，为4×4变换矩阵，前3行3列为旋转矩阵，第4列前3行为平移向量。代码：importcopy#点云深拷贝importopen3daso3dimportnumpyasnp#--------------------------加载点云------------------------print("->正在加载点云...")pcd=o3d.io.read_point_cloud("circle.pcd")print(pcd)pcd.paint_uniform_color([1,0,0])print("->pcd质心：",pcd.get_center())#===========================================================#--------------------------transform------------------------print("\n->点云的一般变换")pcd_T=copy.deepcopy(pcd)T=np.eye(4)T[:3,:3]=pcd.get_rotation_matrix_from_xyz((np.pi/6,np.pi/4,0))#旋转矩阵T[0,3]=5.0#平移向量的dxT[1,3]=3.0#平移向量的dyprint("\n->变换矩阵：\n",T)pcd_T.transform(T)pcd_T.paint_uniform_color([0,0,1])print("\n->pcd_scale1质心：",pcd_T.get_center())#===========================================================#--------------------------可视化--------------------------o3d.visualization.draw_geometries([pcd,pcd_T])#===========================================================1'运行运行输出结果：->正在加载点云...PointCloudwith63points.->pcd质心：[1.010668241.999555130.]->点云的一般变换->变换矩阵：[[0.707106780.0.707106785.][0.353553390.8660254-0.353553393.][-0.612372440.50.612372440.][0.0.0.1.]]->pcd_scale1质心：[5.714650375.088990720.38087219]12345678910111213结果展示：11点云配准12其他常用算法12.1计算点云间的距离函数介绍：Open3D提供了compute_point_cloud_distance方法来计算从源点云到目标点云的距离。它为源点云中的每个点计算到目标点云中最近点的距离。代码：importopen3daso3dimportnumpyasnpprint("->正在加载点云1...")pcd1=o3d.io.read_point_cloud("bunny.pcd")print(pcd1)print("->正在加载点云2...")pcd2=o3d.io.read_point_cloud("test.pcd")print(pcd2)print("->正在点云1每一点到点云2的最近距离...")dists=pcd1.compute_point_cloud_distance(pcd2)dists=np.asarray(dists)print("->正在打印前10个点...")print(dists[:10])print("->正在提取距离大于3.56的点")ind=np.where(dists>3.56)[0]pcd3=pcd1.select_by_index(ind)print(pcd3)o3d.visualization.draw_geometries([pcd3])1输出结果：->正在加载点云1...PointCloudwith35947points.->正在加载点云2...PointCloudwith356478points.->正在点云1每一点到点云2的最近距离...->正在打印前10个点...[3.567747783.574720483.589224013.530188023.552735193.555428313.567497063.497957383.495276273.55416983]->正在提取距离大于3.56的点PointCloudwith19935points.12345678910可视化结果：12.2计算点云最小包围盒函数介绍：代码：importopen3daso3dimportnumpyasnpprint("->正在加载点云...")pcd=o3d.io.read_point_cloud("bunny.pcd")print(pcd)print("->正在计算点云轴向最小包围盒...")aabb=pcd.get_axis_aligned_bounding_box()aabb.color=(1,0,0)print("->正在计算点云最小包围盒...")obb=pcd.get_oriented_bounding_box()obb.color=(0,1,0)o3d.visualization.draw_geometries([pcd,aabb,obb])1输出结果：->正在加载点云...PointCloudwith35947points.->正在计算点云轴向最小包围盒...->正在计算点云最小包围盒...1234可视化结果：12.3计算点云凸包点云的凸包是包含所有点的最小凸集。Open3D包含计算点云凸包的compute_convex_hull方法。该实现基于Qhull。代码：importopen3daso3dimportnumpyasnpprint("->正在加载点云...")pcd=o3d.io.read_point_cloud("bunny.pcd")print(pcd)print("->正在计算点云凸包...")hull,_=pcd.compute_convex_hull()hull_ls=o3d.geometry.LineSet.create_from_triangle_mesh(hull)hull_ls.paint_uniform_color((1,0,0))o3d.visualization.draw_geometries([pcd,hull_ls])1输出结果：->正在加载点云...PointCloudwith35947points.->正在计算点云凸包...123可视化结果：12.4点云体素化12.4.1一种简单的方法代码：importopen3daso3dimportnumpyasnp#---------------------------加载点云---------------------------print("->正在加载点云...")pcd=o3d.io.read_point_cloud("bunny.ply")print("原始点云：",pcd)#==============================================================#---------------------------体素化点云-------------------------print('执行体素化点云')voxel_grid=o3d.geometry.VoxelGrid.create_from_point_cloud(pcd,voxel_size=0.005)print("正在可视化体素...")o3d.visualization.draw_geometries([voxel_grid])#==============================================================1输出结果：->正在加载点云...原始点云：PointCloudwith35947points.执行体素化点云正在可视化体素...1234可视化结果：12.1.2复杂方法代码：importopen3daso3dimportnumpyasnp#----------------------定义点云体素化函数----------------------defget_mesh(_relative_path):mesh=o3d.io.read_triangle_mesh(_relative_path)mesh.compute_vertex_normals()returnmesh#=============================================================#-------------------------点云体素化--------------------------print("->正在进行点云体素化...")_relative_path="bunny.ply"#设置相对路径N=2000#将点划分为N个体素pcd=get_mesh(_relative_path).sample_points_poisson_disk(N)#fittounitcubepcd.scale(1/np.max(pcd.get_max_bound()-pcd.get_min_bound()),center=pcd.get_center())pcd.colors=o3d.utility.Vector3dVector(np.random.uniform(0,1,size=(N,3)))print("体素下采样点云：",pcd)print("正在可视化体素下采样点云...")o3d.visualization.draw_geometries([pcd])print('执行体素化点云')voxel_grid=o3d.geometry.VoxelGrid.create_from_point_cloud(pcd,voxel_size=0.05)print("正在可视化体素...")o3d.visualization.draw_geometries([voxel_grid])#===========================================================1输出结果：->正在进行点云体素化...体素下采样点云：PointCloudwith2000points.正在可视化体素下采样点云...执行体素化点云正在可视化体素...12345可视化结果：get_mesh函数参考代码*：open3d_tutorial.py#Helpersandmonkeypatchesforipynbtutorialsimportopen3daso3dimportnumpyasnpimportPIL.ImageimportIPython.displayimportosimporturllibimporttarfileimportgzipimportzipfileimportshutilinteractive=Truedefjupyter_draw_geometries(geoms,window_name="Open3D",width=1920,height=1080,left=50,top=50,point_show_normal=False,mesh_show_wireframe=False,mesh_show_back_face=False,lookat=None,up=None,front=None,zoom=None,):vis=o3d.visualization.Visualizer()vis.create_window(window_name=window_name,width=width,height=height,left=left,top=top,visible=True,#Iffalse,capture_screen_float_buffer()won'twork.)vis.get_render_option().point_show_normal=point_show_normalvis.get_render_option().mesh_show_wireframe=mesh_show_wireframevis.get_render_option().mesh_show_back_face=mesh_show_back_faceforgeomingeoms:vis.add_geometry(geom)iflookatisnotNone:vis.get_view_control().set_lookat(lookat)ifupisnotNone:vis.get_view_control().set_up(up)iffrontisnotNone:vis.get_view_control().set_front(front)ifzoomisnotNone:vis.get_view_control().set_zoom(zoom)ifinteractive:vis.run()else:forgeomingeoms:vis.update_geometry(geom)vis.poll_events()vis.update_renderer()im=vis.capture_screen_float_buffer()vis.destroy_window()im=(255*np.asarray(im)).astype(np.uint8)IPython.display.display(PIL.Image.fromarray(im,"RGB"))o3d.visualization.draw_geometries=jupyter_draw_geometriesdefedges_to_lineset(mesh,edges,color):ls=o3d.geometry.LineSet()ls.points=mesh.verticesls.lines=edgescolors=np.empty((np.asarray(edges).shape[0],3))colors[:]=colorls.colors=o3d.utility.Vector3dVector(colors)returnlsdef_relative_path(path):script_path=os.path.realpath(__file__)script_dir=os.path.dirname(script_path)returnos.path.join(script_dir,path)defdownload_fountain_dataset():fountain_path=_relative_path("../TestData/fountain_small")fountain_zip_path=_relative_path("../TestData/fountain.zip")ifnotos.path.exists(fountain_path):print("downloadingfountaindataset")url="https://storage.googleapis.com/isl-datasets/open3d-dev/fountain.zip"urllib.request.urlretrieve(url,fountain_zip_path)print("extractfountaindataset")withzipfile.ZipFile(fountain_zip_path,"r")aszip_ref:zip_ref.extractall(os.path.dirname(fountain_path))os.remove(fountain_zip_path)returnfountain_pathdefget_non_manifold_edge_mesh():verts=np.array([[-1,0,0],[0,1,0],[1,0,0],[0,-1,0],[0,0,1]],dtype=np.float64,)triangles=np.array([[0,1,3],[1,2,3],[1,3,4]])mesh=o3d.geometry.TriangleMesh()mesh.vertices=o3d.utility.Vector3dVector(verts)mesh.triangles=o3d.utility.Vector3iVector(triangles)mesh.compute_vertex_normals()mesh.rotate(mesh.get_rotation_matrix_from_xyz((np.pi/4,0,np.pi/4)),center=mesh.get_center(),)returnmeshdefget_non_manifold_vertex_mesh():verts=np.array([[-1,0,-1],[1,0,-1],[0,1,-1],[0,0,0],[-1,0,1],[1,0,1],[0,1,1],],dtype=np.float64,)triangles=np.array([[0,1,2],[0,1,3],[1,2,3],[2,0,3],[4,5,6],[4,5,3],[5,6,3],[4,6,3],])mesh=o3d.geometry.TriangleMesh()mesh.vertices=o3d.utility.Vector3dVector(verts)mesh.triangles=o3d.utility.Vector3iVector(triangles)mesh.compute_vertex_normals()mesh.rotate(mesh.get_rotation_matrix_from_xyz((np.pi/4,0,np.pi/4)),center=mesh.get_center(),)returnmeshdefget_open_box_mesh():mesh=o3d.geometry.TriangleMesh.create_box()mesh.triangles=o3d.utility.Vector3iVector(np.asarray(mesh.triangles)[:-2])mesh.compute_vertex_normals()mesh.rotate(mesh.get_rotation_matrix_from_xyz((0.8*np.pi,0,0.66*np.pi)),center=mesh.get_center(),)returnmeshdefget_intersecting_boxes_mesh():mesh0=o3d.geometry.TriangleMesh.create_box()T=np.eye(4)T[:,3]+=(0.5,0.5,0.5,0)mesh1=o3d.geometry.TriangleMesh.create_box()mesh1.transform(T)mesh=mesh0+mesh1mesh.compute_vertex_normals()mesh.rotate(mesh.get_rotation_matrix_from_xyz((0.7*np.pi,0,0.6*np.pi)),center=mesh.get_center(),)returnmeshdefget_armadillo_mesh():armadillo_path=_relative_path("../TestData/Armadillo.ply")ifnotos.path.exists(armadillo_path):print("downloadingarmadillomesh")url="http://graphics.stanford.edu/pub/3Dscanrep/armadillo/Armadillo.ply.gz"urllib.request.urlretrieve(url,armadillo_path+".gz")print("extractarmadillomesh")withgzip.open(armadillo_path+".gz","rb")asfin:withopen(armadillo_path,"wb")asfout:shutil.copyfileobj(fin,fout)os.remove(armadillo_path+".gz")mesh=o3d.io.read_triangle_mesh(armadillo_path)mesh.compute_vertex_normals()returnmeshdefget_bunny_mesh():bunny_path=_relative_path("../TestData/Bunny.ply")ifnotos.path.exists(bunny_path):print("downloadingbunnymesh")url="http://graphics.stanford.edu/pub/3Dscanrep/bunny.tar.gz"urllib.request.urlretrieve(url,bunny_path+".tar.gz")print("extractbunnymesh")withtarfile.open(bunny_path+".tar.gz")astar:tar.extractall(path=os.path.dirname(bunny_path))shutil.move(os.path.join(os.path.dirname(bunny_path),"bunny","reconstruction","bun_zipper.ply",),bunny_path,)os.remove(bunny_path+".tar.gz")shutil.rmtree(os.path.join(os.path.dirname(bunny_path),"bunny"))mesh=o3d.io.read_triangle_mesh(bunny_path)mesh.compute_vertex_normals()returnmeshdefget_knot_mesh():mesh=o3d.io.read_triangle_mesh(_relative_path("../TestData/knot.ply"))mesh.compute_vertex_normals()returnmeshdefget_eagle_pcd():path=_relative_path("../TestData/eagle.ply")ifnotos.path.exists(path):print("downloadingeaglepcl")url="http://www.cs.jhu.edu/~misha/Code/PoissonRecon/eagle.points.ply"urllib.request.urlretrieve(url,path)pcd=o3d.io.read_point_cloud(path)returnpcd1'运行运行12.5计算点云质心使用get_center()实现点云质心计算代码：importopen3daso3dprint("->正在加载点云...")pcd=o3d.io.read_point_cloud("tree.pcd")print(pcd)print(f'pcd质心：{pcd.get_center()}')1输出结果：->正在加载点云...PointCloudwith5746points.pcd质心：[66.36420378-52.42476729-15.28512276]123pcl点云质心计算结果：->点云质心为：(66.3642,-52.4248,-15.2851)112.6根据索引提取点云函数原型：select_by_index(self,indices,invert=False)1代码：importopen3daso3dimportnumpyasnpprint("->正在加载点云...")pcd=o3d.io.read_point_cloud("desk.pcd")print(pcd)"""-------------------根据索引提取点云--------------------"""print("->正在根据索引提取点云...")idx=list(range(20000))#生成从0到19999的列表#索引对应的点云（内点）inlier_pcd=pcd.select_by_index(idx)inlier_pcd.paint_uniform_color([1,0,0])print("内点点云：",inlier_pcd)#索引外的点云（外点）outlier_pcd=pcd.select_by_index(idx,invert=True)#对索引取反outlier_pcd.paint_uniform_color([0,1,0])print("外点点云：",outlier_pcd)o3d.visualization.draw_geometries([inlier_pcd,outlier_pcd])"""========================================================"""1输出结果：->正在加载点云...PointCloudwith41049points.->正在根据索引提取点云...内点点云：PointCloudwith20000points.外点点云：PointCloudwith21049points.12345可视化结果：源码：defselect_by_index(self,indices,invert=False):#realsignatureunknown;restoredfrom__doc__"""select_by_index(self,indices,invert=False)Functiontoselectpointsfrominputpointcloudintooutputpointcloud.Args:indices(List[int]):Indicesofpointstobeselected.invert(bool,optional,default=False):Setto``True``toinverttheselectionofindices.Returnspen3d.geometry.PointCloud"""pass112.7点云赋色赋色函数：paint_uniform_color：将点云进行单一颜色赋值，为RGB颜色空间，R、G、B分量的范围为[0,1]，注意不是[0,255]代码：importopen3daso3dimportnumpyasnpprint("->正在加载点云...")pcd=o3d.io.read_point_cloud("bunny.pcd")print(pcd)print("->正在点云赋色...")pcd.paint_uniform_color([1,0.706,0])print("->正在可视化赋色后的点云...")o3d.visualization.draw_geometries([pcd])print("->正在保存赋色后的点云")o3d.io.write_point_cloud("color.pcd",pcd,True)#默认false，保存为Binarty；True保存为ASICC形式1输出结果：->正在加载点云...PointCloudwith35947points.->正在点云赋色...->正在可视化赋色后的点云...->正在保存赋色后的点云12345可视化结果：