一句话描述思路:通过统计计算点云所占用的体素的数量来计算点云的近似体积。这是一个粗略的近似值,对于复杂的形状可能不准确。
另外需要注意,这个只适合点云密集分布的场景来计算体积,比如树木扫描的体积;如果只是有表面积扫描的点云,该方法就不能计算整个物体的体积了
流程:
- 首先使用o3d.io.read_point_cloud读取点云文件(PCD格式)。
- 然后,计算点云的最小和最大边界,以确定x、y和z坐标的范围。
- 使用这些边界和给定的体素大小(d),计算将覆盖整个点云的体素网格的尺寸。
- 初始化三维布尔数组(标志),以跟踪哪些体素包含点云中的点。
- 遍历点云中的每个点,并将标志数组中相应的体素标记为True。
- 计算包含点的体素总数(即“已占用”体素的数量)并打印该值。
- 还通过将占用的体素总数乘以体素体积(d*d*d)来计算点云的近似体积。
- 将原始点云存储在一个名为result的列表中,并使用draw_point_cloud函数来显示它。
import open3d as o3d
import numpy as npdef draw_point_cloud(result, batch=False):if not batch:for i in range(len(result)):o3d.visualization.draw_geometries([result[i]], "result", 800, 600,