配合 NumPy 使用

Open3D 中的所有数据结构都与 NumPy 缓冲区原生兼容。下面的教程使用 NumPy 生成一个 sinc 函数的变体，并用 Open3D 对该函数进行可视化。

首先，我们生成一个 n × 3 的矩阵 xyz。每一列分别对应函数 z = sin(x² + y²) / (x² + y²) 的 x、y 和 z 值。z_norm 是 z 归一化到 [0,1] 范围后的结果。

# Generate some neat n times 3 matrix using a variant of sync function
x = np.linspace(-3, 3, 401)
mesh_x, mesh_y = np.meshgrid(x, x)
z = np.sinc((np.power(mesh_x, 2) + np.power(mesh_y, 2)))
z_norm = (z - z.min()) / (z.max() - z.min())
xyz = np.zeros((np.size(mesh_x), 3))
xyz[:, 0] = np.reshape(mesh_x, -1)
xyz[:, 1] = np.reshape(mesh_y, -1)
xyz[:, 2] = np.reshape(z_norm, -1)
print('xyz')
print(xyz)

输出：

xyz
[[-3.         -3.          0.17846472]
 [-2.985      -3.          0.17440115]
 [-2.97       -3.          0.17063709]
 ...
 [ 2.97        3.          0.17063709]
 [ 2.985       3.          0.17440115]
 [ 3.          3.          0.17846472]]

从 NumPy 转换为 open3d.PointCloud

Open3D 支持将 NumPy 矩阵转换为三维向量。借助 Vector3dVector，可以直接将一个 NumPy 矩阵赋值给 open3d.PointCloud.points。

通过这种方式，任何类似的数据结构（如 open3d.PointCloud.colors 或 open3d.PointCloud.normals）都可以用 NumPy 来赋值或修改。下面的代码还会把该点云保存为 ply 文件，供下一步使用。

# Pass xyz to Open3D.o3d.geometry.PointCloud and visualize
pcd = o3d.geometry.PointCloud()
pcd.points = o3d.utility.Vector3dVector(xyz)
o3d.io.write_point_cloud("sync.ply", pcd)

输出：

True

从 open3d.PointCloud 转换为 NumPy

如本例所示，类型为 Vector3dVector 的 pcd_load.points 可以用 np.asarray 转换为 NumPy 数组。

# Load saved point cloud and visualize it
pcd_load = o3d.io.read_point_cloud("sync.ply")

# Convert Open3D.o3d.geometry.PointCloud to numpy array
xyz_load = np.asarray(pcd_load.points)
print('xyz_load')
print(xyz_load)
o3d.visualization.draw_geometries([pcd_load])

输出：

xyz_load
[[-3.         -3.          0.17846472]
 [-2.985      -3.          0.17440115]
 [-2.97       -3.          0.17063709]
 ...
 [ 2.97        3.          0.17063709]
 [ 2.985       3.          0.17440115]
 [ 3.          3.          0.17846472]]