前言

来学习一下另一种3d数据TriangleMesh,关于open3d中TriangleMesh的数据结构详解见这篇博客：TriangleMesh

数据下载地址：链接：https://pan.baidu.com/s/1wEBL_OwaVfP4AV78s8Es-Q
提取码：wnhs

一.表面法线估计

import open3d as o3d
import numpy as  np
import copymesh=o3d.io.read_triangle_mesh("./test_data/knot.ply")
print("计算法线")
mesh.compute_vertex_normals()
print(np.asarray(mesh.triangle_normals))
o3d.visualization.draw_geometries([mesh],window_name="mesh",width=810,height=520,zoom=0.8,front=[-0.4999, -0.1659, -0.8499],lookat=[2.1813, 2.0619, 2.0999],up=[0.1204, -0.9852, 0.1215])

我们使用TriangleMesh对象的compute_vertex_normals()进行顶点法线估计。

二.裁剪和上色TriangleMesh

import open3d as o3d
import numpy as  np
import copymesh=o3d.io.read_triangle_mesh("./test_data/knot.ply")
#裁剪
mesh1=copy.deepcopy(mesh)
#将三角形网格和法线用numpy索引一半，转换成3d向量
mesh1.triangles = o3d.utility.Vector3iVector(np.asarray(mesh1.triangles)[:len(mesh1.triangles) // 2, :])
mesh1.triangle_normals = o3d.utility.Vector3dVector(np.asarray(mesh1.triangle_normals)[:len(mesh1.triangle_normals) // 2, :])
print(mesh1.triangles)
#上色
mesh1.paint_uniform_color([1,0.706,0])
o3d.visualization.draw_geometries([mesh1,mesh],window_name="mesh1",width=810,height=520,zoom=0.8,front=[-0.4999, -0.1659, -0.8499],lookat=[2.1813, 2.0619, 2.0999],up=[0.1204, -0.9852, 0.1215])

我们获取一个mesh的副本mesh1，然后我们索引出triangles和triangle_normals的一半赋值给mesh1，直观来说就是我们mesh1是mesh的一半。然后我们给mesh1上色可视化。

其中o3d.utility.Vector3iVector和o3d.utility.Vector3dVector是opend3d的3d向量数据结构。o3d.utility.Vector3iVector和o3d.utility.Vector3dVector将numpy矩阵转换成open3d中的3d矩阵。其中3代表的是数据维度为3，即输入为[n,3]。i和d代表数据类型，Vector3iVector要求输入是numpy.int32数据类型，Vector3dVecto要求输入是numpy.float64数据类型。

mesh对象的paint_uniform_color方法用于给网格上色，输入的是rgb颜色值，每个范围是0-1.

程序运行结果如下：

其中黄色的部分就是我们裁剪出来的TriangleMsh了。

三.网格过滤

Open3D包含许多过滤网格的方法。下面将展示一些过滤器，以平滑有噪声的三角形网格。

1.均值滤波器

最简单的滤波器，当前顶点是相邻顶点的平均值。公式如下:

import open3d as o3d
import numpy as npmesh_in=o3d.io.read_triangle_mesh("./test_data/knot.ply")
#拿出各个顶点，加上0-5的随机数，也就是噪声
vertices=np.asarray(mesh_in.vertices)
noise_max=5
vertices+=np.random.uniform(0,noise_max,size=vertices.shape)
#换成新顶点
mesh_in.vertices=o3d.utility.Vector3dVector(vertices)
mesh_in.compute_vertex_normals()
o3d.visualization.draw_geometries([mesh_in],window_name="noise",width=810,height=520,zoom=0.8,front=[-0.4999, -0.1659, -0.8499],lookat=[2.1813, 2.0619, 2.0999],up=[0.1204, -0.9852, 0.1215])
print("一次迭代")
mesh_out=mesh_in.filter_smooth_simple(number_of_iterations=1)
mesh_out.compute_vertex_normals()
o3d.visualization.draw_geometries([mesh_out],window_name="filter1",width=810,height=520,zoom=0.8,front=[-0.4999, -0.1659, -0.8499],lookat=[2.1813, 2.0619, 2.0999],up=[0.1204, -0.9852, 0.1215])print("5次迭代")
mesh_out=mesh_in.filter_smooth_simple(number_of_iterations=5)
mesh_out.compute_vertex_normals()
o3d.visualization.draw_geometries([mesh_out],window_name="filter5",width=810,height=520,zoom=0.8,front=[-0.4999, -0.1659, -0.8499],lookat=[2.1813, 2.0619, 2.0999],up=[0.1204, -0.9852, 0.1215])

我们先给我们的TriangleMsh加上一些随机噪声。

TriangleMesh对象的filter_smooth_simple方法用于对TriangleMesh使用均值滤波，参数如下：
number_of_iterations：均值滤波的次数
filter_scope：设置过滤条件，默认是open3d.geometry.FilterScope.All，代表使用所有索性作为过滤条件，open3d.geometry.FilterScope.Color代表使用颜色过滤，open3d.geometry.FilterScope.Normal代表使用法线过滤，open3d.geometry.FilterScope.Vertex代表使用顶点过滤。

运行结果如下：

这是加了噪声的体素

这是进行一些均值滤波的体素

进行五次均值滤波的体素

2.拉普拉斯滤波器

open3d中拉普拉斯滤波器公式为：

其中λ是过滤器的强度，Wn是与相邻顶点的距离相关的归一化权重。

示例代码如下：

import numpy as np
import open3d as o3dmesh_in=o3d.io.read_triangle_mesh("test_data/knot.ply")print("迭代10次")
mesh_out=mesh_in.filter_smooth_laplacian(number_of_iterations=10)
mesh_out.compute_vertex_normals()
o3d.visualization.draw_geometries([mesh_in],window_name="mesh_in",width=810,height=520,zoom=0.8,front=[-0.4999, -0.1659, -0.8499],lookat=[2.1813, 2.0619, 2.0999],up=[0.1204, -0.9852, 0.1215])
o3d.visualization.draw_geometries([mesh_out],window_name="laplacian10",width=810,height=520,zoom=0.8,front=[-0.4999, -0.1659, -0.8499],lookat=[2.1813, 2.0619, 2.0999],up=[0.1204, -0.9852, 0.1215])print("迭代50次")
mesh_out=mesh_in.filter_smooth_laplacian(number_of_iterations=50)
mesh_out.compute_vertex_normals()
o3d.visualization.draw_geometries([mesh_out],window_name="laplacian50",width=810,height=520,zoom=0.8,front=[-0.4999, -0.1659, -0.8499],lookat=[2.1813, 2.0619, 2.0999],up=[0.1204, -0.9852, 0.1215])

拉普拉斯滤波器定义在TriangleMesh对象的filter_smooth_laplacian方法，参数如下：

     number_of_iterations (int, optional, default=1): 拉普拉斯滤波器迭代次数lambda (float, optional, default=0.5): λfilter_scope (open3d.geometry.FilterScope, optional, default=<FilterScope.All: 0>)：和上面均值滤波器一样

运行结果如下：

原始体素

经过10次拉普拉斯滤波器

经过50次拉普拉斯滤波器

总结

朋友们还没完结，后续见下一节

3d机器学习笔记5--TriangleMesh处理(1)相关推荐

机器学习笔记一：导论
机器学习笔记一:导论 1.定义 2.课程主要内容监督学习(supervised learning) 例子:<房价预测>给定一组已知房价数据,使用算法预测待定房子的价格. 例子:<乳 ...
Python_ML_斯坦福机器学习笔记
斯坦福机器学习笔记 Introduction 线性回归回归问题线性回归与梯度下降程序示例--梯度下降正规方程特征缩放多项式回归程序示例--多项式回归欠拟合与过拟合程序示例--局部加权 ...
龙珠训练营机器学习笔记
龙珠训练营机器学习笔记本学习笔记为阿里云天池龙珠计划机器学习训练营的学习内容,学习链接为:https://tianchi.aliyun.com/specials/promotion/aicampml ...
一份520页的机器学习笔记！附下载链接
点击上方"视学算法",选择"星标"公众号第一时间获取价值内容近日,来自SAP(全球第一大商业软件公司)的梁劲(Jim Liang)公开了自己所写的一份 52 ...
700 页的机器学习笔记火了！完整版开放下载
点上方蓝字计算机视觉联盟获取更多干货在右上方 ··· 设为星标 ★,与你不见不散作者梁劲(Jim Liang),来自SAP(全球第一大商业软件公司). 书籍特点条理清晰 ...
机器学习笔记十四：随机森林
在上一篇机器学习笔记十三:Ensemble思想(上)中,简要的提了一下集成学习的原理和两种主要的集成学习形式. 而在这部分要讲的随机森林,就算是其中属于bagging思路的一种学习方法.为了篇幅,b ...
机器学习笔记七：损失函数与风险函数
一.损失函数回顾之前讲过的线性回归模型,我们为了要学习参数使得得到的直线更好的拟合数据,我们使用了一个函数这个函数就是比较模型得到的结果和"真实值"之间的"差距&qu ...
吴恩达机器学习笔记55-异常检测算法的特征选择（Choosing What Features to Use of Anomaly Detection）
吴恩达机器学习笔记55-异常检测算法的特征选择(Choosing What Features to Use of Anomaly Detection) 对于异常检测算法,使用特征是至关重要的,下面谈谈 ...
Python机器学习笔记：sklearn库的学习
自2007年发布以来,scikit-learn已经成为Python重要的机器学习库了,scikit-learn简称sklearn,支持包括分类,回归,降维和聚类四大机器学习算法.还包括了特征提取,数据 ...

3d机器学习笔记5--TriangleMesh处理(1)

目录：

前言