Open3d之点云顶点法线估计

 

代码展示

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

test_data_dir = '/home/pi/PycharmProjects/learn/Open3D/examples/test_data'
point_cloud_file_name = 'fragment.ply'

point_cloud_file_path = os.path.join(test_data_dir, point_cloud_file_name)

print("加载一个格式为ply的点云,并对其进行打印和渲染")
# 读取点云
pcd = o3d.io.read_point_cloud(point_cloud_file_path)
print("使用5厘米的体素下采样点云")
downpcd = pcd.voxel_down_sample(voxel_size=0.05)
print("重新计算下采样点云的法线")
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)
print("打印第一个点的法线")
print(downpcd.normals[0])
print("打印前10个点的法线向量")
print(np.asarray(downpcd.normals)[:10, :])

代码解析

在可视化时,按N查看点法线。 键-和+可用于控制法线的长度。

estimate_normals计算每个点的法线。 该函数查找相邻点,并使用协方差分析计算相邻点的主轴。该函数将KDTreeSearchParamHybrid类的实例作为参数, 其两个关键参数radius = 0.1和max_nn = 30指定搜索半径和最大最近邻居。 它的搜索半径为10厘米,最多可考虑30个邻居,以节省计算时间。

注意:

协方差分析算法产生两个相反的方向作为正常候选方向。 在不知道几何的整体结构的情况下,两者都是正确的。 这被称为法向问题。 Open3D尝试将法线定向为与原始法线(如果存在)对齐,  否则,Open3D会进行随机猜测。 如果需要关注方向,则需要调用其他方向功能,例如orient_normals_to_align_with_directionorient_normals_towards_camera_location

效果展示

Open3d之点云顶点法线估计_第1张图片

你可能感兴趣的:(open3d)