第一章：Open3D 基础入门

文档摘要

第一章：Open3D 基础入门第一章：Open3D 基础入门 1.1 Open3D 简介：3D 数据处理的瑞士军刀在 3D 数据处理领域，我们常常面临各种挑战：复杂的数据结构、繁琐的算法实现、以及对性能的苛刻要求。Open3D 的出现，正是为了解决这些痛点。它集成了多种功能，包括但不限于： 3D 数据结构: 高效地表示和操作点云 (Point Cloud)、网格 (Mesh)、图像 (Image)、RGBD 图像 (RGBD Image) 和体素网格 (Voxel Grid) 等。几何处理: 提供丰富的几何算法，例如表面重建、点云配准、网格简化、特征提取等。可视化: 内置强大的 3D 可视化工具，方便用户直观地观察和分析 3D 数据。

第一章：Open3D 基础入门

1.1 Open3D 简介：3D 数据处理的瑞士军刀

在 3D 数据处理领域，我们常常面临各种挑战：复杂的数据结构、繁琐的算法实现、以及对性能的苛刻要求。Open3D 的出现，正是为了解决这些痛点。它集成了多种功能，包括但不限于：

3D 数据结构: 高效地表示和操作点云 (Point Cloud)、网格 (Mesh)、图像 (Image)、RGBD 图像 (RGBD Image) 和体素网格 (Voxel Grid) 等。
几何处理: 提供丰富的几何算法，例如表面重建、点云配准、网格简化、特征提取等。
可视化: 内置强大的 3D 可视化工具，方便用户直观地观察和分析 3D 数据。
场景理解: 支持场景重建、语义分割、目标检测等高级功能。
机器人学集成: 提供与机器人学相关的模块，例如运动规划、碰撞检测等。

Open3D 的设计哲学是 简洁、高效、易用。它提供了友好的 Python 接口和高性能的 C++ 后端，使得用户既能快速原型开发，又能兼顾性能需求。无论你是初学者还是经验丰富的专家，Open3D 都能成为你 3D 数据处理工具箱中的得力助手。

1.2 环境搭建：安装 Open3D

在开始 Open3D 的旅程之前，我们需要先安装好 Open3D 库。Open3D 支持多种操作系统，包括 Windows、macOS 和 Linux。推荐使用 Python 环境进行开发，因为 Open3D 提供了完善的 Python 接口，并且拥有丰富的示例代码和文档。

1.2.1 前提条件

Python: 建议使用 Python 3.7 或更高版本。你可以从 Python 官网下载并安装。
pip: Python 的包管理器，通常在安装 Python 时会一同安装。

1.2.2 安装 Open3D (Python)

最简单快捷的安装方式是通过 pip 命令：


pip install open3d

在终端或命令提示符中执行上述命令，pip 会自动下载并安装 Open3D 及其依赖项。

1.2.3 验证安装

安装完成后，我们可以通过一个简单的 Python 脚本来验证 Open3D 是否安装成功：


import open3d as o3d
import numpy as np
# 创建一个简单的点云
points = np.random.rand(100, 3)
pcd = o3d.geometry.PointCloud()
pcd.points = o3d.utility.Vector3dVector(points)
# 可视化点云
o3d.visualization.draw_geometries([pcd])

运行这段代码，如果能够弹出一个窗口，显示一个由随机点组成的点云，则说明 Open3D 安装成功。

1.2.4 其他安装方式 (可选)

除了 pip 安装，Open3D 还提供了其他安装方式，例如：

conda: 如果你使用 conda 管理 Python 环境，可以使用 conda 命令安装： conda install -c open3d-admin open3d
源码编译: 对于高级用户或需要定制化编译选项的情况，可以选择从源码编译安装。具体步骤可以参考 Open3D 官方文档。

本教程主要使用 pip 安装方式，因为它简单易用，适合初学者快速上手。

1.3 核心数据结构：Open3D 的积木

Open3D 提供了多种核心数据结构，用于表示不同类型的 3D 数据。理解这些数据结构是使用 Open3D 的基础。本节将介绍最常用的几种数据结构：点云 (PointCloud)、网格 (TriangleMesh) 和图像 (Image)。

1.3.1 点云 (PointCloud)

点云是 3D 空间中点的集合，是表示 3D 几何形状最基本的数据结构之一。它可以由激光扫描仪、深度相机等设备直接获取，也可以从其他 3D 模型转换而来。

在 Open3D 中，点云由 o3d.geometry.PointCloud 类表示。它主要包含以下几个关键属性：

points: 存储点云中所有点的坐标，类型为 o3d.utility.Vector3dVector，本质上是一个存储 (x, y, z) 坐标的 NumPy 数组。
colors: 可选属性，存储每个点的颜色信息，类型为 o3d.utility.Vector3dVector，存储 (r, g, b) 颜色值，范围通常在 [0, 1] 或 [0, 255]。
normals: 可选属性，存储每个点的法向量，类型为 o3d.utility.Vector3dVector，表示点云表面的局部方向。

代码实践 1：创建和可视化点云


import open3d as o3d
import numpy as np
# 1. 创建一个空的点云对象
pcd = o3d.geometry.PointCloud()
# 2. 生成随机点坐标 (NumPy 数组)
points = np.random.rand(1000, 3)  # 1000 个点，每个点 3 个坐标 (x, y, z)
# 3. 将 NumPy 数组转换为 Open3D 的 Vector3dVector
pcd.points = o3d.utility.Vector3dVector(points)
# 4. 生成随机颜色 (NumPy 数组)
colors = np.random.rand(1000, 3)
# 5. 将 NumPy 数组转换为 Open3D 的 Vector3dVector
pcd.colors = o3d.utility.Vector3dVector(colors)
# 6. 可视化点云
o3d.visualization.draw_geometries([pcd])

代码详解 1：

pcd = o3d.geometry.PointCloud(): 创建一个空的 PointCloud 对象。
points = np.random.rand(1000, 3): 使用 NumPy 生成一个 1000x3 的随机数组，作为点的坐标。np.random.rand() 生成 [0, 1) 之间的均匀分布随机数。
pcd.points = o3d.utility.Vector3dVector(points): 将 NumPy 数组 points 转换为 Open3D 的 Vector3dVector 类型，并赋值给 pcd.points 属性。这是将 NumPy 数据导入 Open3D 数据结构的关键步骤。
colors = np.random.rand(1000, 3): 类似地，生成随机颜色。
pcd.colors = o3d.utility.Vector3dVector(colors): 将颜色数据赋值给 pcd.colors 属性。
o3d.visualization.draw_geometries([pcd]): 使用 draw_geometries 函数可视化点云。该函数接受一个几何对象列表作为输入，并将其显示在一个窗口中。

mermaid 图 1：点云创建与可视化流程

代码实践 2：从文件加载点云

Open3D 支持多种点云文件格式，例如 PLY, PCD, XYZ 等。这里以 PLY 文件为例：


import open3d as o3d
# 文件路径 (请替换为你的 PLY 文件路径)
file_path = "path/to/your/point_cloud.ply"
# 从文件加载点云
pcd_load = o3d.io.read_point_cloud(file_path)
# 可视化加载的点云
o3d.visualization.draw_geometries([pcd_load])

代码详解 2：

file_path = "path/to/your/point_cloud.ply": 你需要将 "path/to/your/point_cloud.ply" 替换为你实际的点云文件路径。
pcd_load = o3d.io.read_point_cloud(file_path): 使用 o3d.io.read_point_cloud() 函数从指定路径加载点云数据，返回一个 PointCloud 对象。
o3d.visualization.draw_geometries([pcd_load]): 可视化加载的点云。

1.3.2 网格 (TriangleMesh)

网格是由三角形面片组成的 3D 模型，常用于表示物体的表面形状。网格比点云更紧凑，并且包含了拓扑信息（面片之间的连接关系）。

在 Open3D 中，网格由 o3d.geometry.TriangleMesh 类表示。它主要包含以下关键属性：

vertices: 存储网格顶点的坐标，类型为 o3d.utility.Vector3dVector。
triangles: 存储网格三角形面片的顶点索引，类型为 o3d.utility.Vector3iVector。每个三角形由三个顶点索引组成，索引指向 vertices 中的顶点。
vertex_normals: 可选属性，存储每个顶点的法向量，类型为 o3d.utility.Vector3dVector。
vertex_colors: 可选属性，存储每个顶点的颜色信息，类型为 o3d.utility.Vector3dVector。
triangle_normals: 可选属性，存储每个三角形面片的法向量，类型为 o3d.utility.Vector3dVector。
triangle_material_ids: 可选属性，存储每个三角形面片的材质 ID，类型为 o3d.utility.IntVector。

代码实践 3：创建和可视化网格


import open3d as o3d
import numpy as np
# 1. 创建一个空的网格对象
mesh = o3d.geometry.TriangleMesh()
# 2. 定义顶点坐标 (立方体的 8 个顶点)
vertices = np.array([
    [0, 0, 0], [1, 0, 0], [0, 1, 0], [1, 1, 0],
    [0, 0, 1], [1, 0, 1], [0, 1, 1], [1, 1, 1]
])
# 3. 定义三角形面片 (立方体的 12 个三角形)
triangles = np.array([
    [0, 1, 2], [1, 3, 2],  # 底面
    [4, 5, 6], [5, 7, 6],  # 顶面
    [0, 4, 1], [1, 5, 4],  # 前面
    [2, 6, 3], [3, 7, 6],  # 后面
    [0, 2, 4], [2, 6, 4],  # 左面
    [1, 3, 5], [3, 7, 5]   # 右面
])
# 4. 将 NumPy 数组转换为 Open3D 的 Vector 类型
mesh.vertices = o3d.utility.Vector3dVector(vertices)
mesh.triangles = o3d.utility.Vector3iVector(triangles)
# 5. 计算顶点法向量 (用于平滑着色)
mesh.compute_vertex_normals()
# 6. 可视化网格
o3d.visualization.draw_geometries([mesh])

代码详解 3：

mesh = o3d.geometry.TriangleMesh(): 创建一个空的 TriangleMesh 对象。
vertices = ...: 定义立方体的 8 个顶点坐标。
triangles = ...: 定义立方体的 12 个三角形面片，每个三角形由三个顶点索引组成，索引对应 vertices 数组中的顶点。例如 [0, 1, 2] 表示第一个三角形由 vertices 中索引为 0, 1, 2 的顶点组成。
mesh.vertices = ... 和 mesh.triangles = ...: 将顶点坐标和三角形索引赋值给网格对象。
mesh.compute_vertex_normals(): 计算网格的顶点法向量。法向量对于光照和着色效果非常重要，尤其是在进行平滑着色时。
o3d.visualization.draw_geometries([mesh]): 可视化网格。

代码实践 4：从文件加载网格

Open3D 支持多种网格文件格式，例如 OBJ, STL, OFF 等。这里以 OBJ 文件为例：


import open3d as o3d
# 文件路径 (请替换为你的 OBJ 文件路径)
file_path = "path/to/your/mesh.obj"
# 从文件加载网格
mesh_load = o3d.io.read_triangle_mesh(file_path)
# 可视化加载的网格
o3d.visualization.draw_geometries([mesh_load])

代码详解 4：

file_path = "path/to/your/mesh.obj": 你需要将 "path/to/your/mesh.obj" 替换为你实际的网格文件路径。
mesh_load = o3d.io.read_triangle_mesh(file_path): 使用 o3d.io.read_triangle_mesh() 函数从指定路径加载网格数据，返回一个 TriangleMesh 对象。
o3d.visualization.draw_geometries([mesh_load]): 可视化加载的网格。

1.3.3 图像 (Image)

Open3D 也支持处理图像数据，例如 RGB 图像、灰度图像和深度图像。图像数据可以用于纹理映射、图像处理等任务。

在 Open3D 中，图像由 o3d.geometry.Image 类表示。它主要包含以下属性：

data: 存储图像像素数据，类型为 NumPy 数组。
width: 图像宽度 (像素)。
height: 图像高度 (像素)。
bytes_per_channel: 每个通道的字节数 (例如，1 表示 8 位图像，2 表示 16 位图像)。
channels: 图像通道数 (例如，1 表示灰度图像，3 表示 RGB 图像)。

代码实践 5：创建和可视化图像


import open3d as o3d
import numpy as np
# 1. 创建一个空的图像对象
image = o3d.geometry.Image()
# 2. 生成随机灰度图像数据 (NumPy 数组)
image_data = np.random.randint(0, 256, size=(200, 300), dtype=np.uint8) # 200x300 灰度图像
# 3. 将 NumPy 数组设置为图像数据
image.set_data(image_data)
# 4. 可视化图像
o3d.visualization.draw_geometries([image])

代码详解 5：

image = o3d.geometry.Image(): 创建一个空的 Image 对象。
image_data = np.random.randint(0, 256, size=(200, 300), dtype=np.uint8): 生成一个 200x300 的 NumPy 数组，作为灰度图像数据。np.random.randint(0, 256) 生成 [0, 255] 之间的随机整数，dtype=np.uint8 指定数据类型为 8 位无符号整数，适合表示灰度图像。
image.set_data(image_data): 将 NumPy 数组 image_data 设置为图像数据。
o3d.visualization.draw_geometries([image]): 可视化图像。

代码实践 6：从文件加载图像

Open3D 支持多种图像文件格式，例如 PNG, JPG, JPEG 等。这里以 PNG 文件为例：


import open3d as o3d
# 文件路径 (请替换为你的 PNG 文件路径)
file_path = "path/to/your/image.png"
# 从文件加载图像
image_load = o3d.io.read_image(file_path)
# 可视化加载的图像
o3d.visualization.draw_geometries([image_load])

代码详解 6：

file_path = "path/to/your/image.png": 你需要将 "path/to/your/image.png" 替换为你实际的图像文件路径。
image_load = o3d.io.read_image(file_path): 使用 o3d.io.read_image() 函数从指定路径加载图像数据，返回一个 Image 对象。
o3d.visualization.draw_geometries([image_load]): 可视化加载的图像。

1.3.4 RGBD 图像 (RGBDImage)

RGBD 图像是指同时包含彩色图像 (RGB) 和深度图像 (Depth) 的图像数据。深度图像记录了场景中每个像素到相机的距离信息。RGBD 图像常用于 3D 重建、场景理解等应用。

在 Open3D 中，RGBD 图像由 o3d.geometry.RGBDImage 类表示。它由两个 Image 对象组成：

color: 存储彩色图像，类型为 o3d.geometry.Image。
depth: 存储深度图像，类型为 o3d.geometry.Image。

代码实践 7：创建 RGBD 图像


import open3d as o3d
import numpy as np
# 1. 创建随机 RGB 图像数据
color_data = np.random.randint(0, 256, size=(200, 300, 3), dtype=np.uint8) # 200x300 RGB 图像
# 2. 创建随机深度图像数据 (假设深度值范围为 0-10 米)
depth_data = np.random.rand(200, 300).astype(np.float32) * 10 # 200x300 深度图像
# 3. 创建 Open3D Image 对象
color_image = o3d.geometry.Image(color_data)
depth_image = o3d.geometry.Image(depth_data)
# 4. 创建 RGBDImage 对象
rgbd_image = o3d.geometry.RGBDImage.create_from_color_and_depth(
    color_image, depth_image
)
# 5. 可视化 RGBD 图像 (默认显示彩色图像)
o3d.visualization.draw_geometries([rgbd_image])
# 6. 可视化深度图像 (单独显示深度图像)
o3d.visualization.draw_geometries([depth_image])

代码详解 7：

color_data = ... 和 depth_data = ...: 分别生成随机 RGB 图像数据和深度图像数据。深度图像数据通常使用浮点数类型 np.float32 表示。
color_image = ... 和 depth_image = ...: 将 NumPy 数组转换为 Open3D Image 对象。
rgbd_image = o3d.geometry.RGBDImage.create_from_color_and_depth(...): 使用静态方法 create_from_color_and_depth() 从彩色图像和深度图像创建 RGBDImage 对象。
o3d.visualization.draw_geometries([rgbd_image]): 可视化 RGBD 图像，默认显示彩色图像。
o3d.visualization.draw_geometries([depth_image]): 单独可视化深度图像。

1.3.5 体素网格 (VoxelGrid)

体素网格是一种将 3D 空间划分为规则网格的数据结构，每个网格单元称为体素 (Voxel)。体素网格常用于空间离散化、占用栅格地图、3D 体积渲染等应用。

在 Open3D 中，体素网格由 o3d.geometry.VoxelGrid 类表示。它主要包含以下属性：

voxels: 存储体素信息，类型为 std::unordered_map<Eigen::Vector3i, Voxel>，使用哈希表存储体素索引和体素对象。
voxel_size: 体素大小 (立方体边长)。
origin: 体素网格的原点坐标。

代码实践 8：从点云创建体素网格


import open3d as o3d
import numpy as np
# 1. 创建一个随机点云
points = np.random.rand(2000, 3)
pcd = o3d.geometry.PointCloud()
pcd.points = o3d.utility.Vector3dVector(points)
# 2. 设置体素大小
voxel_size = 0.1
# 3. 从点云创建体素网格
voxel_grid = o3d.geometry.VoxelGrid.create_from_point_cloud(pcd, voxel_size=voxel_size)
# 4. 可视化体素网格
o3d.visualization.draw_geometries([voxel_grid])

代码详解 8：

points = ... 和 pcd = ...: 创建一个随机点云。
voxel_size = 0.1: 设置体素大小为 0.1。
voxel_grid = o3d.geometry.VoxelGrid.create_from_point_cloud(...): 使用静态方法 create_from_point_cloud() 从点云创建体素网格。该方法会将点云中的点离散化到体素网格中。
o3d.visualization.draw_geometries([voxel_grid]): 可视化体素网格。

1.4 基本操作：文件 I/O 和数据转换

掌握了 Open3D 的核心数据结构之后，我们需要学习如何进行基本的操作，例如文件 I/O 和数据转换。

1.4.1 文件 I/O

Open3D 提供了方便的文件 I/O 接口，可以加载和保存各种 3D 数据文件格式。我们在前面的代码实践中已经接触了 o3d.io.read_point_cloud(), o3d.io.read_triangle_mesh(), o3d.io.read_image() 等读取函数。

代码实践 9：保存点云和网格到文件


import open3d as o3d
import numpy as np
# 创建一个点云
points = np.random.rand(100, 3)
pcd = o3d.geometry.PointCloud()
pcd.points = o3d.utility.Vector3dVector(points)
# 创建一个网格 (这里使用立方体网格)
mesh = o3d.geometry.TriangleMesh()
vertices = np.array([
    [0, 0, 0], [1, 0, 0], [0, 1, 0], [1, 1, 0],
    [0, 0, 1], [1, 0, 1], [0, 1, 1], [1, 1, 1]
])
triangles = np.array([
    [0, 1, 2], [1, 3, 2],
    [4, 5, 6], [5, 7, 6],
    [0, 4, 1], [1, 5, 4],
    [2, 6, 3], [3, 7, 6],
    [0, 2, 4], [2, 6, 4],
    [1, 3, 5], [3, 7, 5]
])
mesh.vertices = o3d.utility.Vector3dVector(vertices)
mesh.triangles = o3d.utility.Vector3iVector(triangles)
# 保存点云到 PLY 文件
o3d.io.write_point_cloud("output_point_cloud.ply", pcd)
# 保存网格到 OBJ 文件
o3d.io.write_triangle_mesh("output_mesh.obj", mesh)
print("点云和网格已保存到 output_point_cloud.ply 和 output_mesh.obj 文件")

代码详解 9：

o3d.io.write_point_cloud("output_point_cloud.ply", pcd): 使用 o3d.io.write_point_cloud() 函数将点云 pcd 保存到名为 "output_point_cloud.ply" 的 PLY 文件中。
o3d.io.write_triangle_mesh("output_mesh.obj", mesh): 使用 o3d.io.write_triangle_mesh() 函数将网格 mesh 保存到名为 "output_mesh.obj" 的 OBJ 文件中。

Open3D 还提供了 o3d.io.write_image() 函数用于保存图像到文件。

1.4.2 数据转换

Open3D 允许在不同的数据结构之间进行转换，例如点云和网格之间的转换。

代码实践 10：点云转换为网格 (Ball Pivoting 算法)


import open3d as o3d
import numpy as np
# 1. 加载点云 (例如，从 bunny.ply 文件加载)
pcd = o3d.io.read_point_cloud("path/to/bunny.ply") # 请替换为你的 bunny.ply 文件路径
# 2. 使用 Ball Pivoting 算法进行表面重建，将点云转换为网格
radii = [0.01, 0.02, 0.04, 0.08] # 多尺度半径
bp_mesh = o3d.geometry.TriangleMesh.create_from_point_cloud_ball_pivoting(
    pcd, o3d.utility.DoubleVector(radii)
)
# 3. 可视化重建的网格
o3d.visualization.draw_geometries([bp_mesh])

代码详解 10：

pcd = o3d.io.read_point_cloud("path/to/bunny.ply"): 加载点云数据。你需要将 "path/to/bunny.ply" 替换为你实际的 bunny.ply 文件路径 (Open3D 示例数据中通常包含 bunny.ply)。
bp_mesh = o3d.geometry.TriangleMesh.create_from_point_cloud_ball_pivoting(...): 使用 create_from_point_cloud_ball_pivoting() 静态方法，基于 Ball Pivoting 算法将点云 pcd 转换为网格 bp_mesh。radii 参数指定了多尺度球的半径，用于控制重建的细节程度。
o3d.visualization.draw_geometries([bp_mesh]): 可视化重建的网格。

作者与出处

原作者：灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/213-open3d-3d%E6%95%B0%E6%8D%AE%E5%A4%84%E7%90%86%E5%AE%9E%E6%88%98%E6%95%99%E7%A8%8B

整理：灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流