文章目录
点云读取
点云
c
import open3d as o3d
pcd = o3d.io.read_point_cloud("D:\\PCL\\\cloud\\bunny.pcd")
o3d.visualization.draw(pcd)
//写入点云
o3d.io.write_point_cloud("copy_bunny.pcd", pcd)
三角网格
c
import open3d as o3d
plymesh = o3d.io.read_triangle_mesh("bunny10k.ply")
o3d.visualization.draw(plymesh)
o3d.io.write_triangle_mesh("copy_bunny10k.ply", plymesh)
py
# 导入Open3D库（处理3D数据：点云、RGBD、相机等）
import open3d as o3d
# 导入Matplotlib库（绘制2D图像，可视化RGBD的颜色和深度图）
import matplotlib.pyplot as plt
# 打印提示信息，说明当前处理的是Redwood数据集（经典的RGBD数据集）
print("Read Redwood dataset")
# 1. 读取彩色图像（JPG格式，RGB彩色图）
color_raw = o3d.io.read_image("00000.jpg")
# 2. 读取深度图像（PNG格式，单通道深度图，每个像素值代表距离相机的深度）
depth_raw = o3d.io.read_image("00000.png")
# 3. 将彩色图+深度图合并为RGBD图像（Open3D专用的RGBDImage数据结构）
# create_from_color_and_depth：Open3D内置函数，自动对齐彩色图和深度图的尺寸/坐标系
# 注：默认参数已适配Redwood数据集，无需额外调整
rgbd_image = o3d.geometry.RGBDImage.create_from_color_and_depth(
color_raw, depth_raw)
# 打印RGBD图像的基本信息（尺寸、是否对齐等），验证读取成功
print(rgbd_image)
# 4. 用Matplotlib可视化RGBD图像的彩色和深度通道（2D展示）
# 创建1行2列的子图布局，用于并排显示彩色图和深度图
plt.subplot(1, 2, 1)
plt.title('Redwood grayscale image') # 设置子图标题（这里显示的是灰度图，因RGBDImage默认转灰度）
plt.imshow(rgbd_image.color) # 显示彩色通道（实际为灰度，如需RGB可调整参数）
plt.subplot(1, 2, 2)
plt.title('Redwood depth image') # 子图标题：深度图
plt.imshow(rgbd_image.depth) # 显示深度通道（像素值越大，距离越远，颜色越亮）
plt.show() # 弹出可视化窗口，展示两张子图
# 5. 从RGBD图像生成3D点云（核心步骤）
# create_from_rgbd_image：通过相机内参将2D像素坐标+深度值转换为3D空间坐标
# 参数1：待转换的RGBD图像
# 参数2：相机内参（PinholeCameraIntrinsic），这里用PrimeSenseDefault（经典深度相机内参，适配Redwood）
# PrimeSenseDefault：预设的内参（分辨率640x480，fx=525, fy=525, cx=319.5, cy=239.5），模拟真实深度相机
pcd = o3d.geometry.PointCloud.create_from_rgbd_image(
rgbd_image,
o3d.camera.PinholeCameraIntrinsic(
o3d.camera.PinholeCameraIntrinsicParameters.PrimeSenseDefault))
# 6. 点云坐标变换（修正视角，让点云可视化时朝向正确）
# 变换矩阵：[[1,0,0,0],[0,-1,0,0],[0,0,-1,0],[0,0,0,1]]
# 作用：Y轴和Z轴取反，解决RGBD生成的点云"上下/前后颠倒"的问题（Open3D可视化视角适配）
# 原理：4x4齐次变换矩阵，前三行前三列是旋转，最后一列是平移（这里平移为0）
pcd.transform([[1, 0, 0, 0], [0, -1, 0, 0], [0, 0, -1, 0], [0, 0, 0, 1]])
# 7. 可视化生成的3D点云
# draw_geometries：Open3D可视化函数，传入点云列表即可显示
# 交互操作：鼠标拖拽（旋转）、滚轮（缩放）、Shift+拖拽（平移），按ESC关闭窗口
o3d.visualization.draw_geometries([pcd])
点云可视化
c
# 导入 Open3D 库，用于处理 3D 点云、网格、可视化
import open3d as o3d
# 导入 numpy 数值计算库（这里代码没用到，但导入了也不影响）
import numpy as np
# Python 主程序入口（固定写法，表示下面是主运行代码）
if __name__ == '__main__':
# 读取点云文件（bunny10k.ply）
# o3d.io.read_point_cloud(文件路径, 格式, 移除重复点, 打印日志)
# 参数说明：
# 'bunny10k.ply' ：要读取的点云/网格文件
# 'auto' ：自动根据后缀判断文件格式（PLY/PCD 等）
# True ：自动移除重复的点（避免数据冗余）
# True ：在控制台打印读取日志（显示读取了多少点）
ply = o3d.io.read_point_cloud('bunny10k.ply', 'auto', True, True)
# 可视化点云
# draw_geometries(几何对象列表, 窗口名, 窗口宽度, 窗口高度, 是否显示法向量)
o3d.visualization.draw_geometries([ply], # 要显示的点云（必须放列表里）
window_name='Open3D', # 窗口标题
width=1920, height=1080, # 窗口大小
point_show_normal=False) # 不显示点的法向量
点云上色
c
# 导入Open3D库，用于3D点云处理、可视化
import open3d as o3d
# 导入numpy数值计算库（本代码未使用，但保留不影响）
import numpy as np
# 程序主入口（固定写法，表示从这里开始运行）
if __name__ == '__main__':
# 1. 读取点云文件
# 参数说明：
# 'bunny.ply'：要读取的点云文件名
# 'auto'：自动识别文件格式（PLY/PCD等）
# 第一个True：自动移除重复的点（优化点云数据）
# 第二个True：打印读取信息（控制台输出点数量）
ply = o3d.io.read_point_cloud('bunny.ply', 'auto', True, True)
# 2. 给点云设置【统一颜色】
# [0, 0, 1] = 纯蓝色（RGB格式，数值范围0~1）
ply.paint_uniform_color([0, 0, 1])
# 下面两行是被注释掉的备用颜色（可切换使用）
#ply.paint_uniform_color([1, 0, 1]) # 紫色
# ply.paint_uniform_color([1, 0, 0]) # 红色
# 3. 可视化点云窗口
# [ply]：要显示的点云（必须放在列表里）
# window_name：窗口标题
# width, height：窗口分辨率1920×1080
# point_show_normal=False：不显示点云法向量
o3d.visualization.draw_geometries([ply],
window_name='Open3D',
width=1920, height=1080,
point_show_normal=False)
奇偶排列
c
# 导入Open3D库，用于3D点云读取、处理、可视化
import open3d as o3d
# 导入numpy，用于数组操作（处理点云颜色数据）
import numpy as
# 程序主入口（固定写法，从这里开始运行）
if __name__ == '__main__':
# 1. 读取点云文件 bunny.ply
# 参数：自动识别格式 + 去重点 + 打印加载信息
ply = o3d.io.read_point_cloud('bunny.ply', 'auto', True, True)
# 2. 先把整个点云统一染成 **蓝色**
ply.paint_uniform_color([0, 0, 1])
# 3. 把点云的颜色数据 转换成 numpy 数组（方便修改）
# ply.colors 是Open3D格式，转成np.array才能用索引修改
color = np.array(ply.colors)
# 4. 生成索引列表：只保留 **偶数索引的点**
# i % 2 == 0 → 0、2、4、6... 这些点
inlier = [i for i in range(0, color.shape[0]) if i % 2 == 0]
# 5. 把偶数索引的点 改成 **红色**
color[inlier] = [1, 0, 0]
# 6. 把修改后的颜色 重新赋值给点云
# np数组 → 转回Open3D能识别的 Vector3dVector 格式
ply.colors = o3d.utility.Vector3dVector(color[:, :3])
# 7. 显示点云
# 窗口大小1920×1080，不显示法向量
o3d.visualization.draw_geometries([ply],
window_name='Open3D',
width=1920, height=1080,
point_show_normal=False)
显示法线
c
# 导入Open3D库，用于3D点云处理、可视化
import open3d as o3d
# 导入numpy数值计算库（本代码主要用于数据格式转换/数学计算）
import numpy as np
# 程序主入口（Python固定写法，程序从这里开始运行）
if __name__ == '__main__':
# 1. 读取点云文件 bunny.ply
# 参数1：文件路径
# 参数2：auto → 自动识别文件格式
# 参数3：True → 自动移除重复点，优化数据
# 参数4：True → 控制台输出加载信息（点数量、格式等）
ply = o3d.io.read_point_cloud('bunny.ply', 'auto', True, True)
# 2. 将整个点云渲染为统一的蓝色（RGB：0,0,1 代表蓝色）
ply.paint_uniform_color([0, 0, 1])
# ==================== 核心新功能：计算点云法线 ====================
# 3. 估算点云的法向量（法线：表示点表面的朝向，3D视觉重要特征）
# search_param=KDTree搜索参数，用于查找每个点的邻域点来计算法线
# radius=0.01 → 搜索半径 0.01 米范围内的邻域点
# max_nn=30 → 每个点最多考虑 30 个邻域点
# 法线作用：用于光照渲染、点云配准、曲面重建等
ply.estimate_normals(search_param=o3d.geometry.KDTreeSearchParamHybrid(radius=0.01, max_nn=30))
# 4. 可视化点云
# [ply] → 要显示的点云对象
# window_name → 窗口标题
# width, height → 窗口分辨率 1920×1080
# left, top → 窗口在屏幕左上角的起始位置
# point_show_normal=True → **关键：显示法线（每个点会画出一条法线线段）**
o3d.visualization.draw_geometries([ply],
window_name="Open3D",
width=1920, height=1080,
left=50, top=50,
point_show_normal=True)
去除隐藏点
c
# 导入Open3D库，用于3D点云处理
import open3d as o3d
# 导入numpy数值计算库（本代码未直接使用）
import numpy as np
# 1. 读取兔子点云文件 bunny.ply
pcd = o3d.io.read_point_cloud("bunny.ply")
# ==================== 核心功能：隐点移除（隐藏点去除） ====================
# 2. hidden_point_removal：去除从【某个视角】看不到的点（遮挡点/背面点）
# 参数1：相机位置/观察点 [0, 0, 0.25] → 从z轴0.25的位置观察点云
# 参数2：相机视野参数 25 → 数值越大，可见范围越大
# 返回值：
# _ ：表示忽略第一个返回值（处理后的点云）
# pt_map ：保存了【可见点的索引列表】（能看到的点）
_, pt_map = pcd.hidden_point_removal([0, 0, 0.25], 25)
# 3. 根据可见点索引，筛选出能看到的点（删除背面/被遮挡的隐藏点）
pcd = pcd.select_by_index(pt_map)
# 4. 可视化处理后的点云（只剩下正面朝向相机的点）
o3d.visualization.draw_geometries([pcd])
自定义显示Visualizer
c
# 导入Open3D库，用于3D点云处理
import open3d as o3d
# 导入numpy，用于设置颜色数组
import numpy as np
# 1. 读取点云文件 bunny.ply
pcd = o3d.io.read_point_cloud('bunny.ply')
# ==================== 2. 创建自定义可视化窗口 ====================
# 创建可视化句柄（相当于打开一个3D窗口的控制器）
viewer = o3d.visualization.Visualizer()
# 创建窗口：设置窗口名称、宽度、高度
viewer.create_window(window_name='可视化', width=800, height=600)
# ==================== 3. 设置界面渲染参数（核心自定义部分） ====================
# 获取界面参数选项（用来调整背景、点大小、坐标系等）
opt = viewer.get_render_option()
# 设置窗口背景颜色为蓝色 [0,0,1] = 蓝色
opt.background_color = np.asarray([0, 0, 1])
# 设置点的大小（数值越大，点显示得越大）
opt.point_size = 1
# 显示坐标系（左下角会出现红、绿、蓝三色坐标轴）
opt.show_coordinate_frame = True
# ==================== 4. 设置点云颜色 ====================
# 把点云染成红色 [1,0,0]
pcd.paint_uniform_color([1, 0, 0])
# ==================== 5. 开始显示 ====================
# 将点云添加到窗口中
viewer.add_geometry(pcd)
# 激活窗口循环，显示窗口并等待交互
viewer.run()
# 关闭窗口，释放资源
viewer.destroy_window()