Open3d 学习计划—12（Jupyter 可视化）
Open3D是一個(gè)開源庫，支持快速開發(fā)和處理3D數(shù)據(jù)。Open3D在c++和Python中公開了一組精心選擇的數(shù)據(jù)結(jié)構(gòu)和算法。后端是高度優(yōu)化的，并且是為并行化而設(shè)置的。
本系列學(xué)習(xí)計(jì)劃有Blue同學(xué)作為發(fā)起人，主要以O(shè)pen3D官方網(wǎng)站的教程為主進(jìn)行翻譯與實(shí)踐的學(xué)習(xí)計(jì)劃。點(diǎn)云PCL公眾號(hào)作為免費(fèi)的3D視覺，點(diǎn)云交流社區(qū)，期待有使用Open3D或者感興趣的小伙伴能夠加入我們的翻譯計(jì)劃，貢獻(xiàn)免費(fèi)交流社區(qū)，為使用Open3D提供中文的使用教程。
從0.4.0版本開始,我們通過webGL添加了對(duì)Jupyter的實(shí)驗(yàn)性支持.如果從pip或者conda安裝Open3d的話,jupyter支持會(huì)默認(rèn)開啟.如果從源碼安裝Open3d的話,請(qǐng)?jiān)O(shè)置Python綁定環(huán)境,了解如何建立Jupyter支持的Open3d.
要注意的是,Jupyter可視化依然處于早期的實(shí)驗(yàn)性階段,以下是主要的限制.
只支持點(diǎn)云數(shù)據(jù).
相機(jī)是用固定參數(shù)初始化的,因此初始化的視角對(duì)于點(diǎn)云可能不是最優(yōu)的.
性能沒有優(yōu)化.
控制
鼠標(biāo)滾輪:放大/縮小
鼠標(biāo)左鍵拖動(dòng):軸旋轉(zhuǎn)
鼠標(biāo)右鍵拖動(dòng):平移
使用例程
Jupyter可視化被定義為 JVisualizer 類.初始化這個(gè)類,然后調(diào)用 add_geometry 去添加Open3d幾何;類型,之后調(diào)用 show 將其顯示在Jupyter部件上.
import numpy as np
import open3d as o3d
from open3d import JVisualizer
points = (np.random.rand(1000, 3) - 0.5) / 4
colors = np.random.rand(1000, 3)
pcd = o3d.geometry.PointCloud()
pcd.points = o3d.utility.Vector3dVector(points)
pcd.colors = o3d.utility.Vector3dVector(colors)
visualizer = JVisualizer()
visualizer.add_geometry(pcd)
visualizer.show()
如果點(diǎn)云是不可見的(由于相機(jī)的初始參數(shù)),可以通過鼠標(biāo)縮放來將其移動(dòng)到合適的視角.
注意：
關(guān)于Jupyter可視化之前有過嘗試,因?yàn)閿?shù)據(jù)在服務(wù)器上,想通過這種方式直接在個(gè)人電腦上查看數(shù)據(jù),但是效果并不好,一方面是視角問題,另一方面是性能問題,很卡頓,并且當(dāng)點(diǎn)的數(shù)量過多的時(shí)候,點(diǎn)云半天顯示不出來.
如果大家有好的遠(yuǎn)程查看的點(diǎn)云數(shù)據(jù)的方式,歡迎評(píng)論留言交流.
參考文章
http://www.open3d.org/docs/release/compilation.html#jupyter-visualization-widgets-support-experimental
資源
三維點(diǎn)云論文及相關(guān)應(yīng)用分享
【點(diǎn)云論文速讀】基于激光雷達(dá)的里程計(jì)及3D點(diǎn)云地圖中的定位方法
3D目標(biāo)檢測(cè)：MV3D-Net
三維點(diǎn)云分割綜述（上）
3D-MiniNet: 從點(diǎn)云中學(xué)習(xí)2D表示以實(shí)現(xiàn)快速有效的3D LIDAR語義分割（2020）
win下使用QT添加VTK插件實(shí)現(xiàn)點(diǎn)云可視化GUI
JSNet：3D點(diǎn)云的聯(lián)合實(shí)例和語義分割
大場(chǎng)景三維點(diǎn)云的語義分割綜述
PCL中outofcore模塊---基于核外八叉樹的大規(guī)模點(diǎn)云的顯示
基于局部凹凸性進(jìn)行目標(biāo)分割
基于三維卷積神經(jīng)網(wǎng)絡(luò)的點(diǎn)云標(biāo)記
點(diǎn)云的超體素(SuperVoxel)
基于超點(diǎn)圖的大規(guī)模點(diǎn)云分割
更多文章可查看：點(diǎn)云學(xué)習(xí)歷史文章大匯總
SLAM及AR相關(guān)分享
【開源方案共享】ORB-SLAM3開源啦！
【論文速讀】AVP-SLAM：自動(dòng)泊車系統(tǒng)中的語義SLAM
【點(diǎn)云論文速讀】StructSLAM:結(jié)構(gòu)化線特征SLAM
SLAM和AR綜述
常用的3D深度相機(jī)
AR設(shè)備單目視覺慣導(dǎo)SLAM算法綜述與評(píng)價(jià)
SLAM綜述(4)激光與視覺融合SLAM
Kimera實(shí)時(shí)重建的語義SLAM系統(tǒng)
SLAM綜述(3)-視覺與慣導(dǎo)，視覺與深度學(xué)習(xí)SLAM
易擴(kuò)展的SLAM框架-OpenVSLAM
高翔：非結(jié)構(gòu)化道路激光SLAM中的挑戰(zhàn)
SLAM綜述之Lidar SLAM
基于魚眼相機(jī)的SLAM方法介紹
往期線上分享錄播匯總
第一期B站錄播之三維模型檢索技術(shù)
第二期B站錄播之深度學(xué)習(xí)在3D場(chǎng)景中的應(yīng)用
第三期B站錄播之CMake進(jìn)階學(xué)習(xí)
第四期B站錄播之點(diǎn)云物體及六自由度姿態(tài)估計(jì)
第五期B站錄播之點(diǎn)云深度學(xué)習(xí)語義分割拓展
第六期B站錄播之Pointnetlk解讀
[線上分享錄播]點(diǎn)云配準(zhǔn)概述及其在激光SLAM中的應(yīng)用
[線上分享錄播]cloudcompare插件開發(fā)
[線上分享錄播]基于點(diǎn)云數(shù)據(jù)的?Mesh重建與處理
[線上分享錄播]機(jī)器人力反饋遙操作技術(shù)及機(jī)器人視覺分享
[線上分享錄播]地面點(diǎn)云配準(zhǔn)與機(jī)載點(diǎn)云航帶平差
點(diǎn)云PCL更多活動(dòng)請(qǐng)查看：點(diǎn)云PCL活動(dòng)之應(yīng)屆生校招群
掃描下方微信視頻號(hào)二維碼可查看最新研究成果及相關(guān)開源方案的演示：
如果你對(duì)Open3D感興趣，或者正在使用該開源方案，就請(qǐng)加入我們，一起翻譯，一起學(xué)習(xí)，貢獻(xiàn)自己的力量，目前階段主要以微信群為主，有意者發(fā)送“Open3D學(xué)習(xí)計(jì)劃”到公眾號(hào)后臺(tái)，和更多熱愛分享的小伙伴一起交流吧！如果翻譯的有什么問題或者您有更好的意見，請(qǐng)?jiān)u論交流！！！！
以上內(nèi)容如有錯(cuò)誤請(qǐng)留言評(píng)論，歡迎指正交流。如有侵權(quán)，請(qǐng)聯(lián)系刪除
掃描二維碼
? ? ? ? ? ? ? ? ? ?關(guān)注我們
讓我們一起分享一起學(xué)習(xí)吧！期待有想法，樂于分享的小伙伴加入免費(fèi)星球注入愛分享的新鮮活力。分享的主題包含但不限于三維視覺，點(diǎn)云，高精地圖，自動(dòng)駕駛，以及機(jī)器人等相關(guān)的領(lǐng)域。
分享及合作方式：微信“920177957”（需要按要求備注） 聯(lián)系郵箱：dianyunpcl@163.com，歡迎企業(yè)來聯(lián)系公眾號(hào)展開合作。
點(diǎn)一下“在看”你會(huì)更好看耶
總結(jié)
以上是生活随笔為你收集整理的Open3d 学习计划—12（Jupyter 可视化）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： PCL中Kd树理论
- 下一篇： 【开源方案共享】VDO-SLAM:基于视