【Open3D】Ch.2：点云体素下采样 | Python

前言

在处理点云数据时，我们有时候会遇到点数太多导致后续操作拖慢计算速度的情况。
在Ch.2中主要写Open3D库对点云数据进行体素下采样的基本操作，能在大幅减少点云数量的同时，最大程度保留点云的整体几何结构。

主要分成以下几个部分：

1. 官方文档翻译
2. 基础概念简介
3. 例程拆解

本文仍为学习笔记，非系统教程，建议根据需求跳转到对应部分阅读。
文末参考资料我放了链接，可直接跳转到相关网站。

1. 官方文档

体素下采样使用规则的体素网格，从输入点云中创建出均匀下采样的点云。它通常被用作许多点云处理任务的预处理步骤。该算法分为两个步骤：

1. 点被分到各个体素中。
2. 每个被占据的体素通过对其内部所有点取平均，恰好生成一个点。

2. 基础概念简介

（在此只对概念做简单的介绍，想要深入了解的可以参考文末的参考文献）

Voxel：体素

可以类比为立体的像素，只是像素是在二维数据下的最小的可操作单位，而体素则是在三维空间下的。

下采样

下采样也叫降采样，是主动减少数据样本数量的过程，目的是降低数据量、简化计算或过滤噪声。

三维体素网格

三维体素网格滤波器，就是把三维空间切割成无数个体素的网格结构，每个体素代表一个三维空间单位。

该算法的使用步骤：

1. 按照体素的空间范围，将点 分组装入 体素中。
2. 对每个包含点的体素，计算体素内所有点的平均坐标，代表该体素内的所有点，这个平均点能反映体素内点云的密度中心，生成下采样后的点云。

体素下采样

体素下采样是用三维体素网格对密集点云分组简化

3. 例程拆解和复现

3.1 先跑例程

import open3d as o3d
import numpy as np# 这部分在Ch.1已经讲过就不要重复讲了
ply_point_cloud = o3d.data.PLYPointCloud()
pcd = o3d.io.read_point_cloud(ply_point_cloud.path)
print(pcd)
print(np.asarray(pcd.points))# 这块是新增的：体素下采样
print("Downsample the point cloud with a voxel of 0.05")
downpcd = pcd.voxel_down_sample(voxel_size=0.05)# 这块也已经讲过了
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])

运行后，终端会输出带你云的基本信息，同时弹出可视化窗口，如下：


让我们回忆一下Ch.1中，没有进行过体素下采样的原始图：

可以看出很明显的变化，点云的体量变小了。

3.2 例程拆解

Open3D 为体素下采样提供了简介的API：

pcd.voxel_down_sample(voxel_size)

这是 PointCloud 对象的方法。
参数：voxel_size 用于调节体素的边长。它决定了下采样的 颗粒度。值越小，体素数量越多，保留的点云细节越丰富，但降采样效果越弱；值越大，体素数量越少，降采样越彻底，但可能丢失局部细节。
（如果想看体素下采样的过程以及Open3D中voxel_down_sample的底层代码，可以参看参考文末的参考资料）

我们复用 Ch.1 的测试数据，体验最基础的下采样流程：

# 体素下采样：调节体素边长
import open3d as o3d
import numpy as np# 读取点云（与Part 1一致）
ply_point_cloud = o3d.data.PLYPointCloud()
pcd = o3d.io.read_point_cloud(ply_point_cloud.path)# voxel_down_sample是 PointCloud 类的方法，专门用于体素下采样功能
# voxel_size参数 用于设定“体素的边长”；数值越小，体素数量越多，点云保留的细节越丰富，丢失的信息越少
voxel_size = 0.05
print(f"使用体素大小为 {voxel_size} 的体素来下采样点云")
downpcd = pcd.voxel_down_sample(voxel_size = voxel_size)# 可视化下采样结果（与Part 1一致）
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])

运行以上代码后你可以得到下方窗口的结果：

我们可以调整 voxel_size 的大小看看会有什么变化：

1. voxel_size = 0.001，基本和原数据相同，看不出有什么丢失的信息2. voxel_size = 0.1，点云变得非常稀疏，信息丢失严重

---

后记

感谢你能看到这，希望我的笔记能对你有帮助。

文章相关代码我已经放到了我的Gitee里了，有需要的可以自取Open3D点云笔记。

我还在学习阶段，个人能力有限，文章难免有疏漏和差错，望指出。

下一篇写 顶点法向估计。

参考资料

1. Open3D官方文档
   Open3D Point cloud
2. 体素
   什么是体素(Voxel)?
3. 三维体素网格
   使用体素网格（VoxelGrid）滤波器进行下采样
   体渲染4：基于三维体素网格