在Vedo中实现交互式3D点数据采集与可视化的技术实践
2025-07-04 01:53:59作者:邵娇湘
Vedo是一个基于VTK的Python库,专门用于3D科学数据可视化。本文将详细介绍如何使用Vedo实现一个交互式的3D点数据采集系统,包括如何添加自定义回调函数处理用户交互事件。
核心功能实现
1. 基础场景搭建
首先需要创建一个基本的3D场景,加载模型并显示初始数据点:
model = load(dataurl + "bunny.obj").c("lightgrey")
pts_e = Points(emitters, r=9).c("red") # 发射器点
pts_r = Points(receivers, r=9).c("lime") # 接收器点
lns = Lines(rays[:, :3], rays[:, 3:6], c="orange", lw=2) # 连接线
2. 交互式点添加功能
通过键盘回调函数实现交互式点添加功能:
def callback(evt):
if evt.keypress == "e": # 添加发射器
pt = evt.picked3d
if pt:
added_e.append(pt)
pt_show = Point(pt, r=9).c("indianred")
plt.add(pt_show)
elif evt.keypress == "t": # 添加接收器
pt = evt.picked3d
if pt:
added_r.append(pt)
pt_show = Point(pt, r=9).c("mediumseagreen")
plt.add(pt_show)
3. 可视化控制
实现连接线的显示/隐藏切换功能:
elif evt.keypress == "c": # 显示连接线
model.alpha(0.5)
lns.toggle()
elif evt.keypress == "b": # 隐藏连接线
model.alpha(1)
4. 关键配置项
为确保交互功能正常工作,需要设置以下关键配置:
settings.enable_default_keyboard_callbacks = False
这一设置禁用了Vedo的默认键盘回调,确保自定义回调能够正确响应。
技术要点解析
-
事件处理机制:Vedo基于VTK的事件系统构建,通过
add_callback方法可以注册各种类型的事件处理器。 -
3D拾取技术:
evt.picked3d属性提供了鼠标当前位置对应的3D坐标,这是实现交互式点添加的基础。 -
对象管理:使用
plt.add()方法动态添加新对象到场景中,比直接使用show()方法更高效。 -
渲染优化:在回调函数末尾调用
plt.render()确保场景及时更新。
常见问题解决方案
-
交互无响应:确保禁用了默认键盘回调,并检查回调函数是否正确注册。
-
性能问题:避免在回调函数中进行复杂计算,保持回调函数简洁高效。
-
坐标转换:理解
picked3d返回的是世界坐标系下的坐标,必要时进行坐标转换。
应用场景扩展
这种交互式3D数据采集系统可广泛应用于:
- 医学影像标记
- 工业设计中的参考点设置
- 科学实验数据采集
- 3D建模辅助工具
通过Vedo强大的可视化能力和灵活的交互机制,开发者可以快速构建出功能丰富的3D交互应用。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
649
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
632
143