一、说明

对于点云处理，这里介绍哦pen3d，该软件和opencv同样是interl公司的产品。

Open3D 是一个开源库，支持快速开发处理 3D 数据的软件。 Open3D 前端在 C++ 和 Python 中公开了一组精心挑选的数据结构和算法。后端经过高度优化，并设置为并行化。

Point cloud — Open3D 0.17.0 documentation

二、如何安装open3d？

pip install open3d        # or
pip install open3d-cpu    # Smaller CPU only wheel on x86_64 Linux (since v0.17+)

三、显示点云数据

3.1 显示点云场景数据

import open3d as o3d
import numpy as np
print("Load a ply point cloud, print it, and render it")
ply_point_cloud = o3d.data.PLYPointCloud()
pcd = o3d.io.read_point_cloud(ply_point_cloud.path)
print(pcd)
print(np.asarray(pcd.points))
o3d.visualization.draw_geometries([pcd],
                                  zoom=0.3412,
                                  front=[0.4257, -0.2125, -0.8795],
                                  lookat=[2.6172, 2.0475, 1.532],
                                  up=[-0.0694, -0.9768, 0.2024])

这里：ply_point_cloud = o3d.data.PLYPointCloud()语句从网上下载了演示点云数据。然后显示。注意，我们自己做的需要接入相机，也生成类似的点云。

read_point_cloud 从文件中读取点云。它尝试根据扩展名解码文件。有关支持的文件类型的列表，请参阅文件 IO。

draw_geometries 可视化点云。使用鼠标/触控板从不同的角度查看几何体。

它看起来像一个密集的表面，但它实际上是一个渲染为面元的点云。 GUI 支持各种键盘功能。例如，- 键减小点（面元）的大小。

实验结果：

python -c "import open3d as o3d; mesh = o3d.geometry.TriangleMesh.create_sphere(); mesh.compute_vertex_normals(); o3d.visualization.draw(mesh, raw_mode=True)"

GitHub - isl-org/Open3D-ML: An extension of Open3D to address 3D Machine Learning tasks

3.2 体素下采样

下采样函数

        downpcd = pcd.voxel_down_sample(voxel_size=0.05)

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])

3.3 顶点法线估计

    search_param=o3d.geometry.KDTreeSearchParamHybrid(radius=0.1, max_nn=30))

点云的另一个基本操作是点法线估计。按 N 查看点法线。键 - 和 + 可用于控制法线的长度。

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)