第3章 Open3D基础

第1章：Open3D基础：库介绍、安装配置、点云数据读取与可视化、基本数据结构

1.1 为什么选择Open3D？

做三维重建和点云处理，工具链的选择其实挺多的。PCL（Point Cloud Library）是老牌劲旅，功能全面但编译起来能让人怀疑人生。我个人习惯用Open3D，原因很简单——它真的「开箱即用」。

Open3D是一个由Intel Labs开源的现代3D数据处理库。它用C++写了底层，但提供了非常友好的Python接口。说白了，你不需要懂C++，也能用它完成从点云读取、滤波、配准到重建的全流程。

我在项目中遇到过好几次这样的场景：客户给了一个几十GB的激光扫描数据，要求快速预览。用PCL编译个可视化工具得折腾半天，而Open3D三行代码就搞定了。嗯，这就是我选择它的理由。

核心优势：

安装极简：一行 pip install open3d 搞定
API设计优雅：链式调用，代码写起来很舒服
可视化强大：内置GUI，支持交互式操作
性能优秀：底层C++，Python接口几乎无性能损失

1.2 安装配置：真的就一行

你可能会觉得我在吹牛，但Open3D的安装确实简单到离谱。

# 基础安装
pip install open3d

# 如果你需要最新特性（比如我经常用到的Tensor支持）
pip install open3d --upgrade

为什么会这么简单？因为Open3D把所有的依赖都打包好了。不像PCL需要你手动安装VTK、Boost、Eigen这些库，Open3D直接给你一个「全家桶」。

我的建议：如果你在Windows上安装，记得用Python 3.8以上版本。我曾经在Python 3.7上踩过坑，有些新特性不支持。

验证安装是否成功，跑一下这段代码：

import open3d as o3d
print(o3d.__version__)

# 如果能正常输出版本号，比如 0.17.0，那就说明安装成功了

注意：如果你在Linux服务器上安装，可能会遇到libGL.so.1缺失的问题。解决方案很简单：

sudo apt-get install libgl1-mesa-glx

1.3 点云数据读取：支持哪些格式？

做三维重建，你免不了要和各种格式的点云文件打交道。Open3D支持的主流格式我都列在下面了：

格式	说明	我的使用频率
.ply	斯坦福三角形格式，带顶点颜色	⭐⭐⭐⭐⭐
.pcd	Point Cloud Library格式	⭐⭐⭐⭐
.xyz	纯文本，每行 x y z	⭐⭐⭐
.pts	激光雷达常用格式	⭐⭐
.las/.laz	航空激光雷达标准格式	⭐（需额外库）

读取代码非常简单：

import open3d as o3d

# 读取PLY文件
pcd = o3d.io.read_point_cloud("bunny.ply")

# 读取PCD文件
pcd = o3d.io.read_point_cloud("scan.pcd")

# 读取XYZ文件
pcd = o3d.io.read_point_cloud("points.xyz", format='xyz')

print(f"点云包含 {len(pcd.points)} 个点")

避坑指南：我曾经在处理一个大型激光雷达数据时，直接读取一个2GB的.pcd文件，结果内存爆了。后来发现Open3D支持流式读取：

# 分块读取，避免内存溢出
pcd = o3d.io.read_point_cloud("large_scan.pcd", 
                               remove_nan_points=True,
                               remove_infinite_points=True)

1.4 可视化：让点云「活」起来

点云处理最爽的一刻，就是看到数据在屏幕上呈现出来。Open3D的可视化做得相当漂亮。

import open3d as o3d

# 读取点云
pcd = o3d.io.read_point_cloud("bunny.ply")

# 最简单的可视化
o3d.visualization.draw_geometries([pcd])

# 带参数的可视化
o3d.visualization.draw_geometries(
    [pcd],
    window_name="我的第一个点云",
    width=800,
    height=600,
    point_show_normal=True,  # 显示法向量
    mesh_show_wireframe=True  # 显示网格线框
)

你想想看，当你运行这段代码，一个三维的斯坦福兔子出现在屏幕上，还能用鼠标拖拽旋转、滚轮缩放——这种感觉真的很棒。

可视化小技巧：

按住左键拖拽：旋转视角
滚轮：缩放
按住右键拖拽：平移
按 K 键：切换背景颜色
按 N 键：切换法向量显示

1.5 基本数据结构：点云、网格、体素

Open3D的核心数据结构就三种，搞懂了它们，后面的学习就顺了。

1.5.1 PointCloud（点云）

这是最常用的数据结构。说白了就是一个点的集合，每个点包含三维坐标，还可以有颜色和法向量。

import open3d as o3d
import numpy as np

# 创建一个空点云
pcd = o3d.geometry.PointCloud()

# 添加点坐标（Nx3的numpy数组）
points = np.array([
    [0, 0, 0],
    [1, 0, 0],
    [0, 1, 0],
    [0, 0, 1]
], dtype=np.float64)
pcd.points = o3d.utility.Vector3dVector(points)

# 添加颜色（Nx3的numpy数组，值范围0-1）
colors = np.array([
    [1, 0, 0],  # 红色
    [0, 1, 0],  # 绿色
    [0, 0, 1],  # 蓝色
    [1, 1, 0]   # 黄色
], dtype=np.float64)
pcd.colors = o3d.utility.Vector3dVector(colors)

# 添加法向量
normals = np.array([
    [0, 0, 1],
    [0, 0, 1],
    [0, 0, 1],
    [0, 0, 1]
], dtype=np.float64)
pcd.normals = o3d.utility.Vector3dVector(normals)

# 可视化
o3d.visualization.draw_geometries([pcd])

我的经验：注意数据类型一定要用float64，否则会报错。我刚开始用的时候经常忘记，后来养成了习惯，创建numpy数组时都加上dtype=np.float64。

1.5.2 TriangleMesh（三角网格）

网格比点云多了一个信息——顶点之间的连接关系。每个三角形由三个顶点索引构成。

# 创建一个立方体网格
mesh = o3d.geometry.TriangleMesh.create_box()

# 或者从点云重建网格
mesh = o3d.geometry.TriangleMesh.create_from_point_cloud_alpha_shape(pcd, alpha=0.1)

# 可视化
o3d.visualization.draw_geometries([mesh])

1.5.3 VoxelGrid（体素网格）

体素就是把三维空间划分成一个个小立方体。这在点云下采样和空间分析中非常有用。

# 从点云创建体素网格
voxel_grid = o3d.geometry.VoxelGrid.create_from_point_cloud(pcd, voxel_size=0.05)

# 可视化体素
o3d.visualization.draw_geometries([voxel_grid])

三种数据结构的对比：

数据结构	存储内容	典型应用
PointCloud	点坐标 + 颜色 + 法向量	原始数据存储、滤波、配准
TriangleMesh	顶点 + 三角面片 + 纹理	三维重建、渲染、打印
VoxelGrid	体素占据状态	下采样、碰撞检测、空间划分

1.6 本章小结

嗯，到这里Open3D的基础就讲完了。你学会了安装、读取点云、可视化，还掌握了三种核心数据结构。说实话，这些内容看起来简单，但它们是后续所有高级操作的基础。

我记得刚开始做三维重建项目时，光是搞懂这些数据结构就花了一周时间。现在你半小时就掌握了，效率比我当年高多了。

📚 课程目录

第1章：Open3D基础：库介绍、安装配置、点云数据读取与可视化、基本数据结构

1.1 为什么选择Open3D？

1.2 安装配置：真的就一行

1.3 点云数据读取：支持哪些格式？

1.4 可视化：让点云「活」起来

1.5 基本数据结构：点云、网格、体素

1.5.1 PointCloud（点云）

1.5.2 TriangleMesh（三角网格）

1.5.3 VoxelGrid（体素网格）

1.6 本章小结