1.简介点云应用无处不在：机器人、自动驾驶汽车、辅助系统、医疗保健等。点云是处理现实世界数据的合适3D表示，尤其是当需要场景/对象几何时，例如对象距离、形状和大小。点云是代表现实世界场景或空间中物体的一组点。它是几何对象和场景的离散表示。换句话说，点云PCD是n个点的集合，其中每个点Pi由其3D坐标表示：请注意，还可以添加一些其他特征来描述点云，例如RGB颜色、法线等。例如，可以添加RGB颜色以提供颜色信息。2.点云生成点云通常使用3D扫描仪（激光扫描仪、飞行时间扫描仪和结构光扫描仪）或计算机辅助设计(CAD)模型生成。在本教程中，我们将首先创建一个随机点云并将其可视化。然后我们将使用Open3D库从3D表面采样点，从3D模型生成它。最后，我们将了解如何从RGB-D数据创建它们。让我们从导入Python库开始：importnumpyasnpiimportmatplotlib.pyplotaspltimportopen3daso3d2.1RandomPointCloud最简单的方法是随机创建点云。请注意，我们通常不会创建随机点来处理，除非为GAN（生成对抗网络）创建噪声。通常，点云由(n×3)个数组表示，其中n是点的数量。让我们创建一个包含5个随机点的点云：number_points=5pcd=np.random.rand(number_points,3)#uniformdistributionover[0,1)print(pcd)我们可以直接打印点，但效率不高，尤其是在大多数应用中，如果点数很大。更好的方法是在3D空间中显示它们。让我们用Matplotlib库将其可视化：#CreateFigure:fig,ax=plt.subplots(subplot_kw={"projection":"3d"})ax.scatter3D(pcd[:,0],pcd[:,1],pcd[:,2])#标记坐标轴ax.set_xlabel("X")ax.set_ylabel("Y")ax.set_zlabel("Z")ax.set_title("随机点云")#display:plt.show()随机点云可视化2.2采样点云直接处理3D模型需要时间。因此，从其3D表面采样点云是一种潜在的解决方案。让我们首先从Open3D数据集中导入兔子模型：bunny=o3d.data.BunnyMesh()mesh=o3d.io.read_triangle_mesh(bunny.path)或者像这样导入它：mesh=o3d.io.read_triangle_mesh("data/bunny.ply")接下来，显示3D模型以查看其外观。您可以移动鼠标从不同的角度查看。#Visualize:mesh.compute_vertex_normals()#computenormalsforverticesorfaceso3d.visualization.draw_geometries([mesh])兔子3D模型采样点云有几种方法。在这个例子中，我们从导入的网格中统一采样1000个点并将它们可视化：#Sample1000points:pcd=mesh.sample_points_uniformly(number_of_points=1000)#visualize:o3d.visualization.draw_geometries([pcd])Bunnypointcloud我们可以保存创建的.ply格式的点云如下：#Saveintoplyfile:o3d.io.write_point_cloud("output/bunny_pcd.ply",pcd)2.3从RGB-D数据点云RGB-D数据使用RGB采集-D传感器，例如MicrosoftKinect，它提供RGB图像和深度图像。RGB-D传感器广泛应用于室内导航、避障等领域。由于RGB图像提供像素颜色，因此深度图像的每个像素代表它与相机的距离。Open3D提供了一组用于RGB-D图像处理的函数。要使用Open3D函数从RGB-D数据创建点云，只需导入两个图像，创建一个RGB-D图像对象，最后按如下方式计算点云：#读取颜色和深度图像：color_raw=o3d.io.read_image("../data/rgb.jpg")depth_raw=o3d.io.read_image("../data/depth.png")#创建一个rgbd图像对象：rgbd_image=o3d.geometry.RGBDImage.create_from_color_and_depth(color_raw,depth_raw,convert_rgb_to_intensity=False)#使用rgbd图像创建点云：pcd=o3d.geometry.PointCloud.create_from_rgbd_image(rgbd_image,o3d.camera.PinholeCameraIntrinsic(o3d.camera.PinholeCameraIntrinsicParameters.PrimeSenseDefault)).#visualize:o3d可视化。draw_geometries([pcd])从RGB-D图像生成的彩色点云3、Open3D和NumPy有时您需要在Open3D和NumPy之间切换。例如，假设我们要将NumPy点云转换为Open3D.PointCloud对象进行可视化，并使用Matplotlib可视化兔子的3D模型。3.1从NumPy到Open3D在此示例中，我们使用NumPy.random.rand()函数创建2000个随机点，该函数从[0,1]中的均匀分布创建随机样本。然后我们创建一个Open3D.PointCloud对象并使用Open3D.utility.Vector3dVector()函数将其Open3D.PointCloud.points特征设置为随机点。#创建numpypointcloud:number_points=2000pcd_np=np.random.rand(number_points,3)#转换为Open3D.PointCLoud:pcd_o3d=o3d.geometry.PointCloud()#创建点云对象pcd_o3d.points=o3d.utility.Vectorpcnp()#设置pcd_np为点云点#Visualize:o3d.visualization.draw_geometries([pcd_o3d])随机点云的Open3D可视化3.2从Open3D到NumPy这里，我们首先使用.ply文件中的Open3D.io.read_point_cloud()函数文件读取点云，该函数返回一个Open3D.PointCloud对象。现在我们只需要使用NumPy.asarray()函数将表示点的Open3D.PointCloud.points特征转换为NumPy数组。最后，我们像上面一样显示得到的数组。#读取bunny点云文件：pcd_o3d=o3d.io.read_point_cloud("../data/bunny_pcd.ply")#将open3d对象转换为numpy：pcd_np=np.asarray(pcd_o3d.points)#使用matplotlib显示：fig,ax=plt.subplots(subplot_kw={"projection":"3d"})ax.scatter3D(pcd_np[:,0],pcd_np[:,2],pcd_np[:,1])#标记坐标轴ax。set_xlabel("X")ax.set_ylabel("Y")ax.set_zlabel("Z")ax.set_title("兔子点云")#display:plt.show()使用Matplotlib显示兔子点云4.最后，在本教程中，我们学习了如何创建和可视化点云。在下一个教程中，我们将学习如何处理它们。
