【点云】生成有凹凸的平面

这篇具有很好参考价值的文章主要介绍了【点云】生成有凹凸的平面。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。


前言

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

原理

高斯函数wiki中,我们得知
【点云】生成有凹凸的平面,点云,平面,python,open3d,点云
其中,σ为标准差,用来控制“钟形”的宽度。
【点云】生成有凹凸的平面,点云,平面,python,open3d,点云
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)

继续往下看:
【点云】生成有凹凸的平面,点云,平面,python,open3d,点云
【点云】生成有凹凸的平面,点云,平面,python,open3d,点云

代码

再根据wiki中下面的 Octave 代码,仿写出python代码:

# 导入 numpy 和 open3d 库
import numpy as np
import open3d as o3d

# 定义高斯函数的参数
A = 1
x0 = 0
y0 = 0
sigma_X = 1
sigma_Y = 2

# 生成 X 和 Y 的坐标网格
X, Y = np.meshgrid(np.arange(-5, 5.1, 0.1), np.arange(-5, 5.1, 0.1))#-5到5,步长为0.1

# 创建 open3d 点云对象
pcd = o3d.geometry.PointCloud()

# 循环旋转角度
for theta in np.arange(0, np.pi, np.pi / 100): # 0 到 π,步长为 π / 100  #可以改变这个值
    # 计算高斯函数的系数
    a = np.cos(theta) ** 2 / (2 * sigma_X ** 2) + np.sin(theta) ** 2 / (2 * sigma_Y ** 2)
    b = np.sin(2 * theta) / (4 * sigma_X ** 2) - np.sin(2 * theta) / (4 * sigma_Y ** 2)
    c = np.sin(theta) ** 2 / (2 * sigma_X ** 2) + np.cos(theta) ** 2 / (2 * sigma_Y ** 2)

    # 计算 Z 的坐标
    Z = A * np.exp(-(a * (X - x0) ** 2 + 2 * b * (X - x0) * (Y - y0) + c * (Y - y0) ** 2))

    # 将 X, Y, Z 合并为点云矩阵,形状为 (n, 3)
    points = np.stack((X, Y, Z), axis=-1)
    points = points.reshape(-1, 3)

# 更新点云的坐标
pcd.points = o3d.utility.Vector3dVector(points)

# 添加坐标
coord = o3d.geometry.TriangleMesh.create_coordinate_frame(size=1, origin=[0, 0, 0])#x红色,y绿色,z蓝色
# 可视化点云
o3d.visualization.draw_geometries([pcd, coord])

得到
【点云】生成有凹凸的平面,点云,平面,python,open3d,点云
若我们改为sigma_X = 1,sigma_Y = 1,则
【点云】生成有凹凸的平面,点云,平面,python,open3d,点云
发现中间确实为圆,与上述猜想一致。

若我们需要凹陷的缺陷,则改为A=-1即可。
【点云】生成有凹凸的平面,点云,平面,python,open3d,点云

保存

# 保存点云
o3d.io.write_point_cloud("flaw.pcd",pcd ) 

点云大小如下:
【点云】生成有凹凸的平面,点云,平面,python,open3d,点云

测试

【最详解】如何进行点云的凹凸缺陷检测(opene3D)
拿出之前写的凹凸检测代码开始测试,首先测试上述这种无噪音的。
记得一定要根据点云的大小改radius = 0.5 #邻域半径,否则一点效果也没有

测试1 :领域曲率代码

参数如下:
【点云】生成有凹凸的平面,点云,平面,python,open3d,点云
结果如下:
【点云】生成有凹凸的平面,点云,平面,python,open3d,点云
意外的还算不错。

测试2:高斯曲率代码

也是改了radius =0.5。
【点云】生成有凹凸的平面,点云,平面,python,open3d,点云
果然结果还是这个更好。

加上噪点

在之前代码的基础上更改如下,并改成椭圆形缺陷。
【点云】生成有凹凸的平面,点云,平面,python,open3d,点云
结果:
【点云】生成有凹凸的平面,点云,平面,python,open3d,点云

测试1

【点云】生成有凹凸的平面,点云,平面,python,open3d,点云

测试2

【点云】生成有凹凸的平面,点云,平面,python,open3d,点云
发现在针对椭圆形的凹凸缺陷不够灵敏了。

改进

一开始以为在使用邻近搜索中,用的方法不太好,用的是在球内的点搜索,或许换个方法就可以了。–2024.2.17
后发现修改为如下,依旧不太好。

k, idx, _ = kdtree.search_knn_vector_3d(cloud.points[i], num_knn) 

后发现在打印出数据中,数据太小,而定义为平面的数据宽泛太大,于是在测试2中改为如下

limit_max = 1e-3
for i in range(len(curvatures)):
    if -limit_max<curvatures[i][0] < limit_max and -limit_max<curvatures[i][1] <limit_max: #平坦
        np.asarray(pcd.colors)[i] = [0, 0, 0]#黑
    elif -limit_max<curvatures[i][0] < limit_max and curvatures[i][1] >limit_max:  #凸
        np.asarray(pcd.colors)[i] = [1, 0, 0]#红
    elif -limit_max<curvatures[i][0] < limit_max and -limit_max<curvatures[i][1] <limit_max: #凹
        np.asarray(pcd.colors)[i] = [0, 1, 0]#绿
    elif curvatures[i][0] < -limit_max and curvatures[i][1] >limit_max: #鞍形脊 大部分凸,少部分凹
        np.asarray(pcd.colors)[i] = [0, 0, 1]#蓝
    elif curvatures[i][0] < -limit_max and curvatures[i][1] <-limit_max: #鞍形谷 大部分凹,少部分凸
        np.asarray(pcd.colors)[i] = [0, 1, 1]#青
    elif curvatures[i][0] > limit_max and curvatures[i][1] >limit_max: #峰 
        np.asarray(pcd.colors)[i] = [1, 0, 1]#紫
    elif curvatures[i][0] > limit_max and curvatures[i][1] <-limit_max: #阱
        np.asarray(pcd.colors)[i] = [1, 1, 0]#黄

结果便好很多了。
【点云】生成有凹凸的平面,点云,平面,python,open3d,点云文章来源地址https://www.toymoban.com/news/detail-825834.html

到了这里,关于【点云】生成有凹凸的平面的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 『OPEN3D』1.1 点云处理 python篇

    目录 1.open3d中的点云IO 2.点云的可视化 3 点云voxel下采样 4. 顶点法线估计 5.最小外界矩 6. 凸包计算 7. 点云距离计算 8. DBSCAN clustering聚类 9. RANSAC(Random Sample Consensus)  10. 点云平面分割 11. 隐藏点移除 12.outliers移除 13 最远点采样(Farthest Point Sample) 专栏地址:https://blog.csdn.net/

    2024年02月02日
    浏览(36)
  • Open3D 点云投影到直线 (python详细过程版)

      直线方程有三种表示法:一般式、点向式、参数式。PCL中统一采用的是点向式,直线的点向式方程为: x − x 0 m = y −

    2024年02月10日
    浏览(35)
  • 三维点云拟合圆形(附open3d python 代码)

    圆拟合方法可分为以下步骤: 使用  SVD(奇异值分解) 找到平均中心点集的最佳拟合平面。 将均值中心点投影到新的 2D 坐标中的拟合平面上。 使用 最小二乘法 拟合 2D 坐标中的圆并得到圆心和半径。 将圆中心变换回 3D 坐标。现在,拟合圆由其中心、半径和法线向量指定。

    2024年02月06日
    浏览(43)
  • Open3D 点云数据转深度图像(二,Python版本)

    之前使用过PCL中的生成深度图像功能,就想着使用MATLAB也实现一下类似的功能,整个过程是一个旋转水平和竖直角度的采样过程,如下图所示(具体内容也可以参考深度图像转点云数据(激光雷达数据)),最终的结果可以通过行号和列号就可以确定俯仰角patch和偏航角yaw的

    2024年02月12日
    浏览(45)
  • Open3D 点云数据转深度图像(一,python版本)

    由于对深度图像也是感觉比较好奇,所以就简单的使用正投影的方式来生成一个深度图像来看一下效果,深度值这里采用了z值的差值(高差),具体的代码与效果如下所示。 这里是将点云投影到xoy平面上,使用高差作为深度值。

    2024年02月15日
    浏览(38)
  • 三种点云下采样方法(二)— open3d python

    本文为博主原创文章,未经博主允许不得转载。 本文为专栏《python三维点云从基础到深度学习》系列文章,地址为“https://blog.csdn.net/suiyingy/article/details/124017716”。          点云下采样是对点云以一定的采样规则重新进行采样,目的是在保证点云整体几何特征不变的情况

    2023年04月08日
    浏览(47)
  • Open3D点云库(0.16.0)安装配置(Python版本)

    Open3D是一个开源的点云和网格处理库,它支持快速开发处理3D数据的软件。Open3D前端在c++和Python中公开了一组精心挑选的数据结构和算法;后端则是经过高度优化,并设置为并行化。它只需要很少的工作就可以在不同的平台上进行布置,并从源代码编译。它的优秀毋庸置疑,

    2024年02月14日
    浏览(48)
  • 手动可视化裁剪点云 (附open3d python代码)

    代码如下:

    2024年02月09日
    浏览(50)
  • 根据点云高度赋色(附open3d python代码)

       

    2024年02月14日
    浏览(45)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包