open3d函数教程学习（持续更新） |
您所在的位置：网站首页 › open3D简介 › open3d函数教程学习（持续更新） |
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_tracevoxel_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.Vector3dVectorclass 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 * 0.5open3D_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】
今日新闻 |
推荐新闻 |