lipan
29f1d45d66
算法更新: delivery v1.2.1、平整度v1.5、测距v2.2、整车配准v1.3 适配器: vehicle-registration 新增、各算法 manifest 和 adapter 更新 后端: taskCadFiles/source 字段迁移、derivedPointClouds 注册、取消任务联动 前端: ElapsedTime 时长显示、两步算法流程、canRun 逻辑修复 文档: 新增5份算法性能分析报告
127 lines
4.0 KiB
Python
127 lines
4.0 KiB
Python
import open3d as o3d
|
|
import numpy as np
|
|
import argparse
|
|
import os
|
|
|
|
|
|
def compute_curvature_open3d(pcd, radius=0.05, max_nn=30):
|
|
"""
|
|
使用 Open3D 计算点云曲率
|
|
|
|
Args:
|
|
pcd: Open3D 点云对象
|
|
radius: 搜索半径
|
|
max_nn: 最大邻居数
|
|
|
|
Returns:
|
|
curvatures: (N,) 曲率数组
|
|
"""
|
|
# 估计法线（同时获取协方差矩阵信息）
|
|
pcd.estimate_normals(
|
|
search_param=o3d.geometry.KDTreeSearchParamHybrid(radius=radius, max_nn=max_nn)
|
|
)
|
|
|
|
# 获取点云数据
|
|
points = np.asarray(pcd.points)
|
|
n_points = len(points)
|
|
curvatures = np.zeros(n_points)
|
|
|
|
# 构建 KD-Tree
|
|
tree = o3d.geometry.KDTreeFlann(pcd)
|
|
|
|
for i in range(n_points):
|
|
# 搜索邻域点
|
|
[k, idx, _] = tree.search_radius_vector_3d(pcd.points[i], radius)
|
|
|
|
if k < 3:
|
|
curvatures[i] = 1.0
|
|
continue
|
|
|
|
# 获取邻域点坐标
|
|
neighbors = points[idx]
|
|
|
|
# 计算协方差矩阵
|
|
centroid = np.mean(neighbors, axis=0)
|
|
centered = neighbors - centroid
|
|
cov = np.cov(centered.T)
|
|
|
|
# 特征值分解
|
|
eigenvalues = np.linalg.eigvalsh(cov)
|
|
eigenvalues = np.sort(eigenvalues)
|
|
|
|
# 计算曲率
|
|
curvatures[i] = eigenvalues[0] / (eigenvalues.sum() + 1e-8)
|
|
|
|
return curvatures
|
|
|
|
|
|
def visualize_curvature(pcd, curvatures, color_scale=3.0):
|
|
"""
|
|
根据曲率可视化点云
|
|
|
|
Args:
|
|
pcd: Open3D 点云对象
|
|
curvatures: 曲率数组
|
|
color_scale: 颜色缩放因子
|
|
"""
|
|
colors = np.zeros((len(pcd.points), 3))
|
|
# 红色通道表示曲率（高曲率区域为红色）
|
|
colors[:, 0] = np.clip(curvatures * color_scale, 0, 1)
|
|
# 绿色通道为互补色（低曲率区域为绿色）
|
|
colors[:, 1] = np.clip(1 - curvatures * color_scale, 0, 1)
|
|
# 蓝色通道设为0
|
|
colors[:, 2] = 0
|
|
|
|
pcd.colors = o3d.utility.Vector3dVector(colors)
|
|
|
|
|
|
def main():
|
|
parser = argparse.ArgumentParser(description='计算点云曲率并可视化')
|
|
parser.add_argument('--ply_path', type=str,default="./High_Speed_Data/PointCloud/11.ply", help='输入点云文件路径 (.ply)')
|
|
parser.add_argument('--radius', type=float, default=2, help='搜索半径 (默认: 50)')
|
|
parser.add_argument('--max_nn', type=int, default=30, help='最大邻居数 (默认: 30)')
|
|
parser.add_argument('--color_scale', type=float, default=3.0, help='颜色缩放因子 (默认: 3.0)')
|
|
parser.add_argument('--save', type=str, default=None, help='保存可视化图像路径 (可选)')
|
|
|
|
args = parser.parse_args()
|
|
|
|
# 检查文件是否存在
|
|
if not os.path.exists(args.ply_path):
|
|
print(f"错误: 文件不存在 - {args.ply_path}")
|
|
return
|
|
|
|
print(f"读取点云: {args.ply_path}")
|
|
pcd = o3d.io.read_point_cloud(args.ply_path)
|
|
# points=np.array(pcd.points)
|
|
if len(pcd.points) == 0:
|
|
print("错误: 读取点云失败，文件可能为空或格式不正确")
|
|
return
|
|
|
|
print(f"点云点数: {len(pcd.points)}")
|
|
|
|
# 计算曲率
|
|
print("计算曲率中...")
|
|
curvatures = compute_curvature_open3d(pcd, radius=args.radius, max_nn=args.max_nn)
|
|
|
|
# 统计曲率信息
|
|
print(f"曲率统计:")
|
|
print(f" 最小值: {curvatures.min():.6f}")
|
|
print(f" 最大值: {curvatures.max():.6f}")
|
|
print(f" 平均值: {curvatures.mean():.6f}")
|
|
print(f" 标准差: {curvatures.std():.6f}")
|
|
|
|
# 可视化
|
|
print("可视化曲率...")
|
|
visualize_curvature(pcd, curvatures, color_scale=args.color_scale)
|
|
|
|
# 保存截图（如果指定）
|
|
if args.save:
|
|
o3d.io.write_point_cloud(args.save, pcd)
|
|
print(f"点云已保存: {args.save}")
|
|
|
|
# 显示窗口
|
|
o3d.visualization.draw_geometries([pcd], window_name=f"Curvature Visualization - {os.path.basename(args.ply_path)}")
|
|
|
|
|
|
if __name__ == "__main__":
|
|
main() |