自制数据集：点云变化

说明

在干净的点云数据集中加入噪声时，由于不同点云的尺寸不同，很难控制噪声的幅度。为此，需要将所有点云变换到$[-0.5,0.5{]}^3$的空间当中。如下图所示是两张示意图：

代码

下面是一种将点云数据集中的所有点云变换到$[-0.5,0.5{]}^3$空间的有效Python代码：

import numpy as np
import open3d as o3d

def normalize_point_cloud(point_cloud):
    # 获取点云的最大最小坐标值
    min_coords = np.min(point_cloud, axis=0)
    max_coords = np.max(point_cloud, axis=0)
    
    # 计算缩放因子
    scale_factor = np.max(max_coords - min_coords)
    
    # 将点云减去最小坐标值并除以缩放因子，以将其映射到[0, 1]范围内
    normalized_point_cloud = (point_cloud - min_coords) / scale_factor
    
    # 将点云范围从[0, 1]映射到[-0.5, 0.5]
    normalized_point_cloud = normalized_point_cloud - 0.5
    
    return normalized_point_cloud

cloud = o3d.io.read_point_cloud("path_to_input_data")
cloud_xyz = np.asarray(cloud.points)
cloud_nrm = np.asarray(cloud.normals)

# 居中和归一化点云  
cloud_xyz_normalized = scale_point_cloud(cloud_xyz)  
cloud_out = o3d.geometry.PointCloud()
cloud_out.points = o3d.utility.Vector3dVector(cloud_xyz_normalized)
cloud_out.normals = o3d.utility.Vector3dVector(cloud_nrm)

o3d.io.write_point_cloud("path_to_output_data", cloud_out)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

这个代码片段中的point_cloud参数是一个形状为(N, 3)的NumPy数组，其中N是点的数量，每个点由三个坐标表示。代码先计算点云的最大和最小坐标值，然后根据这些值来缩放和平移点云，从而将其范围映射到$[-0.5,0.5{]}^3$空间。你可以将这个函数应用于你的点云数据集，以实现将所有点云变换到指定空间的目的。