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,