3D点云基础知识(二)-bilibili视频资源整理（一）

最新推荐文章于 2025-09-11 10:57:57 发布
原创 最新推荐文章于 2025-09-11 10:57:57 发布 · 2.3k 阅读 · 33 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#3D点云 #halcon

本文介绍了3D激光三角相机、双目立体视觉和TOF技术在获取点云数据中的应用，详细讲解了数据预处理、halcon读取与处理、曲面重建以及电池高度测量的方法。通过实例演示，学习者能掌握从点云文件读取到深度分析的完整流程。
该文章已生成可运行项目，

超人视觉免费启蒙三维课程入门第一节（3D激光三角相机实战初识）

3D设备点云数据来源：

1、双目立体视觉：人眼视差（三角关系推导）

测量越远、精度越差。（双目标定）

步骤：

  1. 矫正图像对

  2. 双目标定

  3. 求视差图

  4. 形成点云数据

点云数据：空间上每点的坐标。

对比3D和2D：

  • 3D更多的是3D点云数据处理。
  • 2D更多的是对灰度值的处理。

2、激光三角（原理）传感器

线激光；导轨；限位触发器。

相机  +  激光器   所构成的三角关系：相似三角形原理，比值计算距离。

激光器可分为：直射式，斜射式。

  1. 相机标定：相机的内外参数

  2. 光平面标定：相机和激光器的位置关系Pose；

  3. 移动标定

  4. 生成物体点云数据；（工作重点就是处理点云）

3、结构光加双目（单目）

（纹理光）

4、TOF(time of Fly)飞行时间

采集到的为深度信息；形成深度图，距离图。

超人视觉免费启蒙三维课程入门第三节（配合3D实战设备获取点云并且halcon读取显示曲面重建保存等）

点云数据处理流程

halcon中：

1、读取点云数据的函数：

read_object_model_3d (, 'm', [], [], ObjectModel3D, Status)

halcon:支持多种点云格式：默认的为om3。如果格式不支持，需要转格式：

当前手中为csv格式，记录了XYZ。

通过这个链接学习了如果清洗数据：Halcon快速读取点云的方法

dev_up
本文章已经生成可运行项目
最低0.47元/天 解锁文章
42-Halcon-- select_points_object_model_3d函数功能（三维点云属性筛选）
weixin_45590420的博客
05-29 1056
Halcon算子select_points_object_model_3d摘要 该算子是Halcon中三维点云处理的核心工具，支持30+种几何/光学属性筛选，可显著提升检测效率（减少90%无效数据处理）。通过精确设置闭区间参数（如高度值[10.0,50.0]、反射强度[180,255]），能有效实现焊点检测、PCB元件高度分析等工业场景。典型应用包括：链式多属性筛选、动态阈值优化、与深度学习结合生成训练样本。性能优化建议采用空间索引（3-5倍加速）和GPU处理，特别适合大型点云的流式处理。
Halcon实战视频教程，超人视觉，初级和高级版视频，无密码高清
02-09
Halcon实战视频教程，超人视觉，初级和高级版视频，无密码高清Halcon实战视频教程，超人视觉，初级和高级版视频，无密码高清Halcon实战视频教程，超人视觉，初级和高级版视频，无密码高清Halcon实战视频教程，超人视觉，初级和高级版视频，无密码高清Halcon实战视频教程，超人视觉，初级和高级版视频，无密码高清
Halcon学习笔记：select_points_object_model_3d（3D对象模型阀值分割）
Leon_Chen的博客
10-22 7480
Halcon学习笔记：select_points_object_model_3d 3D对象模型阀值分割 This example program shows how to use the operators connection_object_model_3d and select_object_model_3d in HALCON. First, a threshold is app...
三维点云显示技术详解与实战
最新发布
weixin_29443363的博客
09-11 866
点云数据的存储格式决定了其信息完整性、处理效率与跨平台兼容性。目前，常见的点云文件格式包括PLY（Polygon File Format）、LAS（LASer file format）、OBJ（Wavefront Object）等。每种格式在结构设计、属性支持、可扩展性等方面存在差异，适用于不同的应用场景。
Halcon 3D相关算子(一)
qq_44744164的博客
12-28 2116
Halcon 3D相关算子总结
3D点云基础知识(二)-bilibili视频资源整理（二）鞋点胶点云轮廓提取
xiaoyaolangwj的博客
03-19 4380
资料来源：超人视觉免费启蒙三维课程入门（第六节）3D鞋点胶的点云边界提取 视觉： 机器视觉（2D、3D）： 2D： 识别定位（对位贴合）（深度学习） 测量 缺陷（外观检测）（深度学习） 符号需求（一维码、二维码、三维码、OCR） 视觉+运动控制板卡+机器人 3D： 鞋点胶 无序抓取：在Halcon【实例程序】中【方法】【夺目立体视觉】locate_pipe_joints-stereo.hdev案例中。 点云数据+深度学习 工具：Halc.
深度学习-3D点云实战系列
07-13
深度学习3D点云实战系列课程旨在帮助同学们快速掌握点云数据处理，特征提取与建模应用。通俗讲解点云领域各大方向应用与核心算法，基于论文讲解Pointnet系列算法知识点并详解其网络模型架构。所有算法均配套实战项目，内容主要包括poinenet系列点云分类与分割，点云补全，点云配准等项目，全部基于实际数据集进行源码解读。整体风格通俗易懂，提供全部数据与代码。 
[3D&Halcon] 3D重要算子及简单处理点云模型求高度示例讲解
Loewen丶的小窝
06-02 4744
丶布布转载注明出处。
【计算几何】一、编程表示基本元素-01-点和点云（C、C++、python）
HBIMer的博客
01-14 630
计算几何之用C语言表示点
那些精贵的3D视觉系统学习资源总结（附书籍、网址与视频教程）
qq_29462849的博客
12-19 2121
点击上方“3DCVer”，选择“星标”干货第一时间送达之前我们总结了一篇关于3D视觉系统学习路线——《吐血整理|3D视觉系统化学习路线》，本文重点是对于各个模块的一些资料整理，如有不完善...
旗点云平台测试程序v0.1发布，欢迎下载体验
在这个例子中，下载链接指向了Bilibili视频平台，可能是一个视频介绍或是一个包含下载链接的视频描述。 5. 利用视频资源进行学习 描述中提到了一个视频链接，这个链接可能是一个教程视频，说明如何使用这个测试程序...
【四】3D Object Model之创建Creation——read_object_model_3d()算子
cqy阳的博客
09-13 2169
3D Object Model之创建Creation——read_object_model_3d()算子
Halcon中的3D分析.pptx
08-06
Halcon中的3D分析.pptx
Halcon中的一些3D算子
海盗Isaac
05-29 7443
SampleDistance：这个采样距离，隔多少距离采集一个点，可以先求出3d模型的最大直径乘以一个比例系数来得到这个采样距离，如Diameter*0.003 最大直径的0.003倍，及最大直径上取333个采样点，乘的系数越小，点越多。这样上面find的姿态，是预先做的模型通过变换匹配到场景中的位置，反转这个姿态，可以将场景变换回模型的位置，用于后期分析处理。在3d点云匹配创建3d匹配模型的时候，需要模型带表面法线信息才可以用来创建。3、4、5的操作可以用来去除噪点，如下图，去除噪点之后的3d模型。
Halcon中visualize_object_model_3d算子详解
baidu_35536188的博客
04-12 4269
想法
Halcon 3D 深度图转换为3D图像
weixin_39354845的博客
06-09 5809
深度图像和 3D 点云互转只涉及相机内参矩阵，其中 fx，fy 分别为镜头 x，y 方向的焦距（成像平面到镜头的距离） cx，cy 分别是光心（镜头中心点在成像平面的投影）在图像坐标系（原点位于图像左上角，水平为 x，垂直为 y）下的坐标。..................
24-Halcon-- read_object_model_3d函数功能（读取三维模型文件）
weixin_45590420的博客
05-26 613
Halcon算子read_object_model_3d技术摘要 该算子是Halcon中用于读取三维模型文件的核心工具，支持PLY、STL、OBJ等工业标准格式，适用于CAD验证、逆向工程及机器人路径规划。算子通过FileName参数指定文件路径，Scale参数实现单位换算（如mm→m），并可通过GenParamName/Value控制模型细节层级、颜色等属性。高级功能包括多部件装配体加载、3D扫描数据处理和实时碰撞检测。性能优化建议使用内存映射技术或转换为Halcon优化的.om3格式以提升加载速度。典型
Halcon 简单入门3D点云计算高度
weixin_39354845的博客
06-13 8189
入门级别的学习，就是简单的计算一个高度差，其原理如下： 1、先选出上面一个面的点，然后计算出在一个坐标系想的均值高度 2、筛选出下面一个面的点，然后计算出这个平面上的点的均值高度 3、高度差 4、显示...
Halcon3D学习笔记
十层楼
03-12 5199
gen_object_model_3d_from_points 可以将离散的坐标数据转换为3D模型，数据来源可以是CSV等文件 write_object_model_3d 保存3D模型到我本地文件，格式多样 read_object_model_3d 可以将保存到本地的3D模型读取出来 select_points_object_model_3d 可以选择离散点数据范围，用于分割高度或分...
3d点云零基础怎么学
07-10
<think>首先，用户的问题是：“我想学习3D点云技术的基础知识 请问3D点云技术入门 学习路径 基础教程”。这是一个关于入门3D点云技术的请求。 我需要根据系统级指令来构建我的回答： - 所有行内数学表达式必须使用$...$格式。 - 独立公式必须使用$$...$$$$格式并单独成段。 - LaTeX语法正确。 - 使用中文回答。 - 生成相关问题。 - 在回答中引用的段落末尾自然地添加引用标识，例如[^1]。 - 回答结构清晰，帮助用户逐步解决问题。 - 参考站内引用：[^1], [^2], [^3]。 站内引用提供了一些信息： - [^1]：关于点云开发，包括使用PointNet进行分类和深度学习框架。 - [^2]：使用Open3D的Python代码示例，加载点云并进行体素化。 - [^3]：关于合并点云的方法。 用户的问题是关于入门学习路径的，所以我应该提供一个结构化的学习计划，涵盖基础知识。 我的回答结构应该清晰： 1. **介绍3D点云技术**：简要解释什么是点云，为什么重要。 2. **学习路径**：逐步指导入门，包括基础概念、工具、实践。 3. **基础教程**：推荐一些资源或示例。 4. **生成相关问题**：在末尾添加相关问题。 由于用户提到了“基础教程”，我可以引用提供的站内引用作为资源。例如，[^2]有Open3D的代码示例，[^1]提到PointNet。 在回答中，我需要自然地添加引用标识。例如，如果提到点云分类，可以引用[^1]。 数学表达式：用户的问题不直接涉及数学，但如果有机会，我可以加入一些。例如，点云处理可能涉及几何变换，如旋转矩阵：$R = \begin{bmatrix} \cos\theta & -\sin\theta \\ \sin\theta & \cos\theta \end{bmatrix}$。但在基础入门中，可能不需要太多数学，除非必要。 生成相关问题：在末尾添加几个相关问题，如“如何选择点云处理工具？”或“点云数据有哪些常见应用？”。 完整回答框架： - **开头**：欢迎用户，简要介绍点云技术。 - **学习路径**： - 步骤1：了解点云基础（定义、应用）。 - 步骤2：学习点云获取（传感器如LiDAR）。 - 步骤3：掌握点云处理工具（如PCL, Open3D）。 - 步骤4：实践基本操作（加载、可视化、滤波）。 - 步骤5：进阶学习（特征提取、分类、深度学习）。 - **基础教程**：提供简单示例，如使用Open3D加载点云（参考[^2]）。 - **资源推荐**：基于引用，推荐学习材料。 - **结尾**：鼓励实践，添加相关问题。 确保引用自然：例如，“点云分类可以使用PointNet等深度学习模型[^1]。”或“在Open3D中，加载点云很简单[^2]。” 生成相关问题： 1. 点云数据如何获取？ 2. 点云处理有哪些常用算法？ 3. 如何将点云应用于实际项目？ 最后，使用中文回答。</think>### 3D点云技术入门学习路径与基础教程 欢迎学习3D点云技术！点云是一种表示三维物体表面点的集合数据（每个点包含坐标和属性，如颜色或法向量），广泛应用于自动驾驶、机器人导航、三维重建等领域[^1]。以下是一个结构化的学习路径，从零基础开始，逐步深入。我会基于可靠资源（包括站内引用）提供教程建议，确保内容真实可靠。学习路径分为五个步骤，每个步骤包含核心概念、实践建议和基础教程。 #### 步骤1: 理解点云基础概念（1-2周） - **核心概念**：点云是三维空间中离散点的集合，通常由LiDAR或深度相机获取。关键术语包括点密度、噪声、法向量（表示点表面方向）和坐标系（如笛卡尔坐标系）。数学上，一个点云可表示为集合 $P = \{p_i | p_i = (x_i, y_i, z_i, \text{attributes})\}$，其中每个点 $p_i$ 包含位置和属性。 - **实践建议**：阅读入门资料，了解点云在真实世界的应用（如自动驾驶中的障碍物检测）。 - **基础教程**： - 推荐资源：阅读“点云开发：从入门到精通的全面教程”[^1]，它覆盖了点云的定义和基础处理流程。 - 动手练习：无代码，仅通过可视化工具（如MeshLab）观察点云数据，理解点云结构。 #### 步骤2: 掌握点云处理工具（2-3周） - **核心概念**：学习常用开源库，如Open3D（Python友好）或PCL（C++为主）。这些工具支持点云加载、滤波（如降噪）和可视化。例如，点云滤波常用高斯滤波算法，数学上基于卷积：$G(x,y,z) = \frac{1}{\sqrt{2\pi\sigma^2}} e^{-\frac{x^2+y^2+z^2}{2\sigma^2}}$，其中 $\sigma$ 是标准差。 - **实践建议**：安装Python环境（推荐Anaconda），并配置Open3D库。 - **基础教程**（基于引用[^2]）： - 示例代码：加载点云并进行体素化（简化点云）。以下代码来自站内引用[^2]，演示基础操作： ```python import open3d as o3d import numpy as np # 加载点云 print("->正在加载点云...") pcd = o3d.io.read_point_cloud("bunny.ply") # 使用示例数据集 print("原始点云：", pcd) # 体素化点云（降采样） print('执行体素化点云') voxel_grid = o3d.geometry.VoxelGrid.create_from_point_cloud(pcd, voxel_size=0.005) print("正在可视化体素...") o3d.visualization.draw_geometries([voxel_grid]) # 可视化结果 ``` - 操作指南：运行代码（需下载点云数据集，如Stanford Bunny），观察体素化效果。体素化将点云划分为小立方体，减少数据量，便于后续处理。 #### 步骤3: 学习点云基本操作（3-4周） - **核心概念**：点云操作包括滤波（去除噪声）、配准（对齐多个点云）和分割（分离不同对象）。配准常用ICP（Iterative Closest Point）算法，优化目标是最小化点对距离：$$\min_{R,t} \sum \|Rp_i + t - q_i\|^2$$，其中 $R$ 是旋转矩阵，$t$ 是平移向量。 - **实践建议**：从简单操作开始，如使用Open3D实现点云滤波（例如统计滤波）。 - **基础教程**： - 推荐资源：参考站内引用[^3]，学习点云合并技术。例如，合并不同字段的点云（如位置和颜色）时，需创建新点云类型并复制数据。 - 动手练习：扩展步骤2的代码，添加滤波操作： ```python # 添加统计滤波（去除离群点） print("执行统计滤波...") cl, ind = pcd.remove_statistical_outlier(nb_neighbors=20, std_ratio=2.0) filtered_pcd = pcd.select_by_index(ind) o3d.visualization.draw_geometries([filtered_pcd]) ``` #### 步骤4: 进阶到特征提取与深度学习（4-6周） - **核心概念**：点云特征包括局部描述符（如FPFH）和全局特征。深度学习模型（如PointNet）可直接处理点云，实现分类或分割。PointNet使用对称函数处理无序点集，数学表示为 $f(\{x_i\}) = g(h(x_i))$，其中 $h$ 是逐点MLP，$g$ 是池化函数[^1]。 - **实践建议**：结合TensorFlow或PyTorch框架，复现简单模型。 - **基础教程**： - 推荐资源：站内引用[^1]详细介绍了PointNet用于点云分类的端到端流程。可从开源项目（如GitHub上的PointNet实现）入手。 - 动手练习：使用预训练PointNet模型（例如在Model Zoo下载）对点云进行分类。 #### 步骤5: 项目实践与整合（持续） - **核心概念**：整合所学，构建完整应用，如三维重建或目标检测。注意点云数据的挑战（如噪声和密度变化）。 - **实践建议**：参与Kaggle点云竞赛或开源项目。 - **基础教程**：尝试小型项目，例如：使用Open3D实现点云配准和可视化，参考官方文档和引用[^2][^3]。 ### 学习资源总结 - **免费资源**：Open3D官方教程（Python版）、PCL文档。 - **付费资源**：Udemy课程“3D Point Cloud Processing with Python”。 - **站内引用利用**：引用[^1]提供深度学习框架指南，引用[^2]给出Open3D代码范例，引用[^3]覆盖点云合并技巧。建议优先阅读这些资料。 学习点云技术需要理论与实践结合：从基础概念开始，逐步过渡到代码实践。每天投入1-2小时，2-3个月可达入门水平。遇到问题，多查阅文档和社区（如Stack Overflow）。保持动手实践是关键！
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值