3、点云基础数据结构：点云的数学表示（Nx3矩阵），Open3D中的PointCloud对象，点云的基本属性（坐标、颜色、法向量）

点云这东西，说白了就是一堆三维空间里的点。你想想看，我们拿激光雷达或者深度相机扫一圈，得到的无非就是成千上万个点的坐标。那这些点在计算机里怎么存？怎么用？这就是今天要聊的核心。

我个人习惯把点云理解成「三维世界的像素」。图像是二维网格上的颜色值，点云就是三维空间里的坐标集合。嗯，这个类比虽然不完全准确，但初学者这么理解，上手会快很多。

3.1 点云的数学表示：Nx3矩阵

先从最基础的数学表示说起。一个点云，在数学上就是一个 N行3列 的矩阵。N代表点的个数，3代表X、Y、Z三个坐标轴。

举个例子，假设我们有3个点：

• 点A: (1.0, 2.0, 3.0)
• 点B: (4.0, 5.0, 6.0)
• 点C: (7.0, 8.0, 9.0)

那这个点云在数学上就是：

[[1.0, 2.0, 3.0],
 [4.0, 5.0, 6.0],
 [7.0, 8.0, 9.0]]

这个矩阵的形状就是 (3, 3)。在Python里，我们通常用NumPy的ndarray来表示它。

我在项目中遇到过一个问题：有人把点云存成了Nx4的矩阵，多了一列强度值。这本身没问题，但如果你直接把它喂给Open3D的标准函数，就会报错。所以，搞清楚你的数据格式，是第一步。

3.2 Open3D中的PointCloud对象

Open3D把点云封装成了一个叫 PointCloud 的类。这个类里，最核心的成员变量就是 points。

怎么创建一个点云？看代码：

import open3d as o3d
import numpy as np

# 创建一个空的点云对象
pcd = o3d.geometry.PointCloud()

# 生成一些随机点（1000个点）
points = np.random.rand(1000, 3)

# 赋值给点云对象
pcd.points = o3d.utility.Vector3dVector(points)

# 看一眼
print(pcd)
print(f"点的数量: {len(pcd.points)}")

这里有个细节要注意：pcd.points 不能直接赋一个NumPy数组，必须用 o3d.utility.Vector3dVector() 包装一下。为什么？因为Open3D内部有自己的数据结构，它需要这种转换。嗯，刚开始用的时候我也觉得多此一举，但用习惯了就发现，这种设计其实是为了性能优化。

3.3 点云的基本属性：坐标、颜色、法向量

一个完整的点云，通常不止有坐标。还有颜色和法向量。这三个属性，就是点云的「三件套」。

3.3.1 坐标（points）

坐标是点云的基础，没有坐标就不叫点云了。坐标的数据类型是 float64，范围理论上没有限制，但实际应用中，我们经常会对坐标做归一化处理。

3.3.2 颜色（colors）

颜色信息通常来自RGB相机。Open3D中，颜色的取值范围是 [0, 1] 的浮点数，而不是常见的[0, 255]整数。这一点很容易踩坑。

我曾经在项目里从图片读取颜色值，直接用了0-255的整数赋值给点云，结果渲染出来一片惨白。排查了半天才发现是范围问题。

# 正确的颜色赋值方式
colors = np.random.rand(1000, 3)  # 范围[0, 1]
pcd.colors = o3d.utility.Vector3dVector(colors)

# 错误的做法（如果你有0-255的数据，记得除以255）
# colors_255 = np.random.randint(0, 255, (1000, 3))
# pcd.colors = o3d.utility.Vector3dVector(colors_255 / 255.0)

3.3.3 法向量（normals）

法向量是点云里比较「高级」的属性。它表示每个点所在局部表面的朝向。法向量有什么用？

• 点云渲染：有法向量的点云看起来更立体
• 点云配准：很多配准算法需要法向量信息
• 表面重建：法向量是重建三角网格的关键输入

法向量不是天然存在的，需要计算。Open3D提供了现成的函数：

# 估计法向量
pcd.estimate_normals(
    search_param=o3d.geometry.KDTreeSearchParamHybrid(
        radius=0.1, max_nn=30
    )
)

# 查看法向量
print(pcd.normals[0])  # 第一个点的法向量

3.4 知识体系结构图

下面这张图，帮你理清点云数据结构的核心脉络：

3.5 实战中的一些经验

最后，分享几个我在实际项目中积累的经验：

1. 数据检查很重要：拿到点云后，先打印 pcd.points[0:5] 看看数据范围。有时候文件读进来坐标是毫米单位，但你的算法期望的是米单位，不检查就会出问题。
2. 颜色和法向量是可选的：不是所有点云都有颜色和法向量。如果你只需要几何信息，只存坐标就够了。但如果你要做可视化，颜色和法向量能帮你省很多事。
3. 法向量方向一致性：Open3D计算的法向量方向可能不一致（有的朝里有的朝外）。如果你要做表面重建，记得用 orient_normals_consistent_tangent_plane() 统一方向。