open3d

open3d：随机采样一致性分割平面随机采样一致性算法（RANSAC Random Sample Consensus）是一种迭代的参数估计算法，主要用于从包含大量噪声数据的样本中估计模型参数。其核心思想是通过随机采样和模型验证来找到数据中最符合模型假设的点。因此，只要事先给定要提取的参数模型，即可从点云中分割出对应点云模型。如下图所示，为使用RANSAC从点云中分割平面模型的案例，整体上比较理想。

[Open3d]: 知识记录python api 官方手册：http://www.open3d.org/docs/release/ 可视化：http://www.open3d.org/docs/release/tutorial/visualization/visualization.html python-vis 参考代码：https://github.com/isl-org/Open3D/tree/master/examples/python/visualization Open3D-ML：https://github.com/i

open3d 0.17.0的open3d.visualization.ViewControl类有bug在使用过程中发现open3d.visualization.ViewControl的如下方法，在open3d 0.17.0环境下不起作用，点云的显示视场还是默认配置；而在open3d 0.16.0环境下却正常工作。

【点云】生成有凹凸的平面尝试用一些数据生成有凹凸面的点云。我们姑且把z轴当成有凹凸的缺陷，x轴和y轴共同组成一个平面。高斯函数wiki中，我们得知其中，σ为标准差，用来控制“钟形”的宽度。根据wiki中下面的举例sigma_X = 1;sigma_Y = 2;可以看出，σx=σy时，高斯的水平集是个圆，σx不等于σy时，高斯的水平集是个椭圆。（可以这样想：在平面上的公式，圆和椭圆的区别）

【最详解】如何进行点云的凹凸缺陷检测（opene3D）（完成度80%）读前须知：首先我们得确保你已经完全知晓相关的基本的数学知识，其中包括用最小二乘法拟合曲二次曲面，以及曲面的曲率详细求解。若还是没弄清楚，则详细请看下面链接。

为什么Open3D可视化TensorFlow张量速度超慢在使用Open3D可视化TensorFlow张量表示的点云时速度超慢可能是因为Open3D没有针对tf.Tensor做优化，也可能是tf.Tensor本身没有对张量的操作做优化，所以可能如果要在CPU中计算，numpy可能性能更好。

点云处理【七】(点云配准)第一章点云数据采集点云配准是将两个或多个点云数据集融合到一个统一的坐标系统中的过程。这通常是为了创建一个完整的模型或融合从不同视角采集的数据。点云配准一般分为粗配准和精配准，粗配准指的是在两幅点云之间的变换完全未知的情况下进行较为粗糙的配准，目的主要是为精配准提供较好的变换初值；精配准则是给定一个初始变换，进一步优化得到更精确的变换。这里我们主要介绍精配准。

点云处理【三】(点云降采样)第一章点云数据采集第二章点云滤波第二章点云降采样我们获得的数据量大，特别是几十万个以上的点云，里面有很多冗余数据，会导致处理起来比较耗时。降采样是一种有效的减少数据、缩减计算量的方法。