使用Python 3中的Marching-Cubes算法进行点云三角化

Question

使用Python 3中的Marching-Cubes算法进行点云三角化

7

我正在开发一个三维重建系统，想要使用Python 3从已注册的点云数据生成三角网格。我的对象不是凸的，因此Marching Cubes算法似乎是解决方案。

我更喜欢使用现有的方法实现，所以我尝试了scikit-image和Open3d但两个API都不接受原始点云作为输入（请注意，我不是这些库的专家）。我尝试将我的数据转换失败了，而且由于文档没有说明函数的输入格式，我也没有更多的想法。

这是我需要的pcd_to_volume代码片段。 scikit-image

import numpy as np
from skimage.measure import marching_cubes_lewiner

N = 10000
pcd = np.random.rand(N,3)

def pcd_to_volume(pcd, voxel_size):
    #TODO

volume = pcd_to_volume(pcd, voxel_size=0.05)

verts, faces, normals, values = marching_cubes_lewiner(volume, 0)

open3d

import numpy as np
import open3d

N = 10000
pcd = np.random.rand(N,3)

def pcd_to_volume(pcd, voxel_size):
    #TODO

volume = pcd_to_volume(pcd, voxel_size=0.05)

mesh = volume.extract_triangle_mesh()

我无法找到一个合适的方法来正确编写 pcd_to_volume 函数。我不偏向于某个库，因此这两种解决方案都可以。

你有什么建议可以正确地转换我的数据吗？点云是一个 Nx3 矩阵，其中 dtype=float。

你知道另一种实现 [Marching Cube 算法]，可以在原始点云数据上工作吗？我更喜欢像 scikit 和 open3d 这样的库，但我也会考虑 github 项目。

- Marco Carletti

谢谢你的问题。实际上我现在也遇到了同样的问题。只是好奇，你找到任何解决方案了吗？谢谢！ - CodingNow

1

@CodingNow 很遗憾，目前还没有。作为一种解决方法，我已经尝试了Matlab中的alphaShape，效果还不错。然而，在Python中我还没有找到任何好的替代方案。 - Marco Carletti

谢谢你提供的信息。Matlab总是最强的。 - CodingNow

要对点云进行三角化，您可以使用凸包算法。https://docs.scipy.org/doc/scipy/reference/generated/scipy.spatial.ConvexHull.html - undefined

2个回答

1

对于其他遇到这篇帖子的人来说，如果你无法从你的点构建一个可以在scikit-image中与marching_cubes一起使用的numpy数组，Open3D有一些表面重建的选项，这些选项以前可能不可用。

- Gus B

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Jing Zhao · Accepted Answer

你知道另一种适用于原始点云数据的 marching cube 算法实现吗？

Hoppe 的论文 Surface reconstruction from unorganized points 可能包含您需要的信息，而且是开源的。

最新的 Open3D 似乎包含了表面重建算法，如 alphaShape、ballPivoting 和 PoissonReconstruction。

据我所知，marching cubes通常用于从三维离散标量场（也就是您所说的体积）中提取等值面的多边形网格。该算法无法处理原始点云数据。

Hoppe算法通过首先生成带符号距离函数场（SDF体积），然后将其传递给Marching Cubes。这可以看作是对pcd_to_volume的一种实现，但并不是唯一的方法！

如果您只有原始点云，则情况会有些受限。正如您可能已经看到的，Poisson reconstruction和Screened Poisson reconstruction算法都以自己的方式实现了pcd_to_volume（它们高度相关）。但是，它们需要额外的点法线信息，并且法线必须被一致地定向。（关于一致的定向，您可以阅读this question）。

虽然一些基于Delaunay算法的算法（它们不使用Marching Cubes算法），如alphaShape和this，可能不需要点法线作为输入，但对于具有复杂拓扑结构的曲面来说，由于方向问题很难得到令人满意的结果。而图割方法可以利用可见性信息来解决这个问题。

话虽如此，如果您的数据来自深度图像，通常会有可见性信息。您可以使用 TSDF构建一个良好的表面网格。Open3D已经实现了这一点。