Graphics 点云的一致正态计算 有Python或C++中的一个库，它能够以一致的方式估计点云的法线吗？ 以一致的方式，我的意思是法线的方向在曲面上全局保留

例如，当我使用python open3d包时：

我得到了一个不一致的结果，其中一些法线指向内部，而其余的指向外部

---

非常感谢

如果您知道从何处捕获每个点的视点，可以使用它来确定法线的方向。 我假设情况并非如此——因此，考虑到您的情况，这似乎是无懈可击且采样均匀的，网格重建是有希望的

PCL库在应用程序中提供了许多备选方案。为了正常估计，我将从以下两个方面开始：

虽然简单，但它们应该足以生成单个相干网格

一旦有了网格，每个三角形就定义了一条法线（叉积）。需要注意的是，网格不仅仅是独立面的集合。面是连接的，这种连接在网格上强制执行一致的方向

pcl:：PolygonMesh

是一个“”。这意味着每个三角形面由一组有序的顶点定义，这些顶点定义了方向： 顶点顺序=>叉积顺序=>定义明确的法线

您可以使用网格（最近邻）的法线，也可以计算低分辨率网格并仅使用它来确定云的方向。

更新：好消息

切线平面算法现在在Open3D中实现
这个和那个

您只需调用pcd.orient\u normals\u consistent\u tangent\u plane（k=15）

k

是knn图参数

---

原始答案：

正如Mark所说，如果您的点云来自多个深度图像，那么您可以调用

open3d.geometry。在将它们连接在一起之前（假设您使用的是python版本的）


但是，如果您没有这些信息，可以使用切平面算法：

为点云构建knn图。

图形节点是点。如果一个点是另一个的k近邻，则两个点是连接的
为图表中的边指定权重。

与边缘（i，j）相关的权重计算为1-|ni⋅ nj|
生成结果图的最小生成树。
在初始节点上生成树，
按深度优先顺序遍历树，为每个节点分配一个
与母公司方向一致的方向。
实际上，上述算法来自1992年的第3.3节
签名纸。算法也同样适用

AFAIK算法并不能保证一个完美的方向，但它应该足够好

downpcd.estimate_normals(search_param=o3d.geometry.KDTreeSearchParamHybrid(
    radius=4, max_nn=300))