在Python 3中使用行进立方体进行点云三角测量

我正在开发 3D 重建系统，并希望使用 Python 3 从注册的点云数据生成三角形网格。我的对象不是凸的，因此行进立方体算法似乎是解决方案。

我更喜欢使用此类方法的现有实现，所以我尝试了scikit 图像 https://scikit-image.org/docs/dev/auto_examples/edges/plot_marching_cubes.html and Open3d http://open3d.org/docs/tutorial/Advanced/rgbd_integration.html#extract-a-mesh但这两个 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）。我转换数据的尝试失败了，并且我已经没有想法了，因为文档没有阐明函数的输入格式。

这些是我想要的片段pcd_to_volume是我需要的。

scikit 图像

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()

我无法找到正确编写的方法pcd_to_volume功能。我不喜欢图书馆，所以这两种解决方案对我来说都很好。

您对正确转换我的数据有什么建议吗？点云是一个Nx3矩阵其中dtype=float.

您知道另一种适用于原始点云数据的[行进立方体算法]实现吗？我更喜欢 scikit 和 open3d 这样的库，但我也会考虑 github 项目。

您知道另一种适用于原始点云数据的[行进立方体算法]实现吗？

Hoppe http://hhoppe.com/的论文从无组织点重建表面 http://hhoppe.com/proj/recon/可能包含您需要的信息，它是开源 https://rawgit.com/hhoppe/Mesh-processing-library/master/README.html.

最新的 Open3D 似乎包含表面重建算法，例如阿尔法形状 http://www.open3d.org/docs/latest/python_api/open3d.geometry.TriangleMesh.html#open3d.geometry.TriangleMesh.create_from_point_cloud_alpha_shape, 球旋转 http://www.open3d.org/docs/latest/python_api/open3d.geometry.TriangleMesh.html#open3d.geometry.TriangleMesh.create_from_point_cloud_ball_pivoting and 泊松重建 http://www.open3d.org/docs/latest/python_api/open3d.geometry.TriangleMesh.html#open3d.geometry.TriangleMesh.create_from_point_cloud_poisson.

据我所知，行进立方体 https://en.wikipedia.org/wiki/Marching_cubes通常用于从三维离散标量场（这就是体积的意思）中提取等值面的多边形网格。该算法不适用于原始点云数据。

Hoppe 算法的工作原理是首先生成带符号的距离函数场（SDF 体积），然后将其传递给行进立方体。这可以看作是你的一个实现pcd_to_volume而且这不是唯一的方法！

如果你只有原始点云，那么情况就有点受限了。正如您可能看到的，泊松重建 http://hhoppe.com/proj/poissonrecon/ and 筛选泊松重建 http://hhoppe.com/proj/screenedpoisson/算法都实现pcd_to_volume以他们自己的方式（他们高度相关）。然而，它们需要额外的点法线信息，并且法线必须一致定向。 （为了保持一致的方向，您可以阅读这个问题 https://stackoverflow.com/q/60346126/7413964).

虽然有些Delaunay https://en.wikipedia.org/wiki/Delaunay_triangulation基于算法（他们不使用行进立方体) 像 alphaShape 和this https://doc.cgal.org/latest/Advancing_front_surface_reconstruction/index.html可能不需要点法线作为输入，对于复杂拓扑的曲面，由于方向问题很难得到满意的结果。还有图割法 https://ieeexplore.ieee.org/abstract/document/4408892/可以使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，您通常会获得可见性信息。你可以使用TSDF https://dl.acm.org/doi/10.1145/237170.237269建立良好的表面网格。 Open3D有已经实施了 http://www.open3d.org/docs/release/tutorial/reconstruction_system/integrate_scene.html.