8.2 open3d处理点云详解（python）

一、读取pcd文件，并对点云可视化

# coding:utf-8
import open3d as o3d
import numpy as np
import open3d



 
if __name__ == '__main__':

  #1.读取pcd文件
  pcd=o3d.io.read_point_cloud(r"table_scene_lms400_downsampled.pcd")
  print(pcd)
  
  #2.点云可视化
  #o3d.visualization.draw_geometries([pcd])
  
  #3.显示法向量
  
  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))
  #o3d.visualization.draw_geometries([pcd],window_name="o3d",width=1920,height=1080,
                                  #left=50,top=50,point_show_normal=True)

  #4.保存点云
  open3d.io.write_point_cloud("1.pcd", pcd, write_ascii=True)

二、点云的常见方法

1.体素下采样
? ? ? ?体素下采样(Voxel downsampling)采用规则体素格网从输入点云中创建分布均匀的下采样点云，是许多点云处理任务的预处理步骤。该算法主要分为两步：

? ? ? ? 创建指定大小(分辨率)的体素网络
? ? ? ? 当点云中至少有一个点落在某个体素内，则认为该体素被占用，体素的颜色(属性)是该体素内所有点的平均值。

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])
print("The number of PC is : ",pcd)
print("The number of downPC is : ",downpcd)

2 点云正态估计

在交互页面，可以通过N查看点法线，+,-控制法线长度。

作为点云的基本操作之一，点云正态估计通过指定算法参数估测每个点可能的法向量，estimate_normals查找指定搜索半径内的临近点，通过这些临近点的协方差计算其主轴，从而估计法向量。正常情况下会产生两个方向相反的法向量，在不知道几何体的全局结构下，两者都可以是正确的。Open3D会尝试调整法线的方向，使其与原始法线对齐。

print("Recompute the normal of the downsampled point cloud")
downpcd.estimate_normals(
    search_param=o3d.geometry.KDTreeSearchParamHybrid(radius=0.1, max_nn=30))
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],
                                  point_show_normal=True)