【点云处理技术之open3d】第三篇:点云的高级操作篇 |
您所在的位置:网站首页 › 对角边框怎么切割出来 › 【点云处理技术之open3d】第三篇:点云的高级操作篇 |
文章目录
1. 点云边界框2. 凸包(convex hull)3. DBSCAN聚类4. RANSAC平面分割5. 隐点移除(Hidden point removal)
本文是
上一篇文章的延续,也是open3d处理点云的高级操作篇。本文将依次介绍open3d如何处理点云边界框、凸包、DBSCAN、RANSCA和隐点移除等操作。
1. 点云边界框
点云几何类型和其他类型一样,也有包围框。当前,open3d实现了两个包围框接口,AxisAlignedBoundingBox 和 OrientedBoundingBox,它们区别如下表所示。同时他们也可以用来裁剪几何图形。 函数名称说明图形说明AxisAlignedBoundingBox轴对齐边界框aabb每条边都有平行的轴![]() ![]() 点云的凸包是包含所有点的最小凸集,open3d实现了计算凸包的方法compute_convex_hull,这个接口的实现基于Qhull。 import open3d as o3d import numpy as np #*******************************凸包*********************************** pcd = o3d.io.read_point_cloud("../test_data/fragment.ply") # 读取ply或者pcd文件 # 裁剪点云 vol = o3d.visualization.read_selection_polygon_volume( "../test_data/Crop/cropped.json") chair = vol.crop_point_cloud(pcd) # 计算点云的凸包 hull, _ = chair.compute_convex_hull() hull_ls = o3d.geometry.LineSet.create_from_triangle_mesh(hull) hull_ls.paint_uniform_color((1, 0, 0)) #凸包的颜色 o3d.visualization.draw_geometries([chair, hull_ls])open3d实现了DBSCAN[Ester1996]算法,这是一种基于密度的聚类算法。该算法需要两个参数。 labels = np.array(pcd.cluster_dbscan(eps=0.02, min_points=10, print_progress=True)) 入参: eps: 定义到聚类相邻点云的距离min_points: 定义形成聚类所需的最小点数。 出参:该函数返回一个标签,其中标签-1表示噪音。 import open3d as o3d import numpy as np import matplotlib.pyplot as plt #*******************************DBSCAN*********************************** pcd = o3d.io.read_point_cloud("../test_data/fragment.ply") with o3d.utility.VerbosityContextManager( o3d.utility.VerbosityLevel.Debug) as cm: labels = np.array( pcd.cluster_dbscan(eps=0.02, min_points=10, print_progress=True)) max_label = labels.max() print(f"point cloud has {max_label + 1} clusters") colors = plt.get_cmap("tab20")(labels / (max_label if max_label > 0 else 1)) colors[labels ] 97% point cloud has 10 clustersOpen3D还支持使用RANSAC从点云分割算法,其中segment_plane用于平面分割算法,该算法的有三个参数: distance_threshold:inlier的最大距离阈值ransac_n:随机采样的平面点数num_iterations:表示最小迭代次数。 import open3d as o3d pcd = o3d.io.read_point_cloud("../test_data/fragment.pcd") plane_model, inliers = pcd.segment_plane(distance_threshold=0.01, ransac_n=3, num_iterations=1000) [a, b, c, d] = plane_model print(f"Plane equation: {a:.2f}x + {b:.2f}y + {c:.2f}z + {d:.2f} = 0") # 显示 inlier_cloud = pcd.select_by_index(inliers) inlier_cloud.paint_uniform_color([1.0, 0, 0]) # inliers为红色 outlier_cloud = pcd.select_by_index(inliers, invert=True) o3d.visualization.draw_geometries([inlier_cloud, outlier_cloud], zoom=0.8, front=[-0.4999, -0.1659, -0.8499], lookat=[2.1813, 2.0619, 2.0999], up=[0.1204, -0.9852, 0.1215])输出: Plane equation: -0.06x + -0.10y + 0.99z + -1.06 = 0由于点云分辨率的问题,如果你只想看前景点,就需要滤掉背景点。为此,我们可以应用隐藏点移除(Hidden point removal)算法。该方法可以近似的给出一个视角下的可视点云。 import open3d as o3d import numpy as np pcd = o3d.io.read_point_cloud("../test_data/fragment.ply") # 读取ply或者pcd文件 diameter = np.linalg.norm( np.asarray(pcd.get_max_bound()) - np.asarray(pcd.get_min_bound())) o3d.visualization.draw_geometries([pcd]) print("Define parameters used for hidden_point_removal") camera = [0, 0, diameter] # 定义用于隐藏点删除的参数,获取从给定视图中可见的所有点,可视化结果 radius = diameter * 100 print("Get all points that are visible from given view point") _, pt_map = pcd.hidden_point_removal(camera, radius) print("Visualize result") pcd = pcd.select_by_index(pt_map) o3d.visualization.draw_geometries([pcd])输出: Define parameters used for hidden_point_removal Get all points that are visible from given view point Visualize result原始视角下的视图: |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |