Open3D中从NumPy数组直接创建点云的新方法
2025-05-18 12:09:10作者:柏廷章Berta
在三维数据处理领域,Open3D是一个功能强大的开源库,广泛应用于点云处理、三维重建等场景。传统上,在Open3D中创建点云对象时,需要先将NumPy数组转换为Vector3dVector类型,这一过程涉及数据拷贝,不仅影响性能,也增加了代码复杂度。随着Open3D的发展,新的Tensor-based API为解决这一问题提供了更高效的方案。
传统方法的局限性
在旧版Open3D API中,创建点云的标准流程如下:
- 准备一个形状为(N,3)的NumPy数组,表示N个三维点坐标
- 使用
o3d.utility.Vector3dVector()将数组转换为特定格式 - 将转换结果赋给点云对象的
points属性
这一过程存在两个主要问题:
- 数据需要从NumPy数组拷贝到Vector3dVector
- 设置点云属性时可能发生第二次数据拷贝 这不仅增加了内存使用,也降低了处理大规模点云时的效率。
新API的优势
Open3D的新Tensor-based API(位于open3d.t命名空间下)提供了更直接的创建方式。开发者现在可以:
import numpy as np
import open3d as o3d
# 直接使用NumPy数组创建点云
pcd = o3d.t.geometry.PointCloud(np.random.rand(100,3))
这种方法消除了不必要的数据拷贝,具有以下优势:
- 更简洁的API设计,减少代码量
- 更高的内存效率,特别适合处理大规模点云数据
- 与NumPy生态更紧密的集成
新旧API的过渡
需要注意的是,虽然新API提供了更好的性能,但目前仍处于发展阶段:
- 新API尚未完全覆盖旧API的所有功能
- 旧API目前仍可继续使用,但未来可能会被逐步淘汰
- 建议新项目优先考虑使用Tensor-based API
实际应用建议
对于不同场景的开发者:
- 性能敏感型应用:应优先使用新API
- 需要完整功能的应用:可暂时使用旧API,但需关注新API的功能更新
- 长期维护的项目:建议逐步迁移到新API
随着Open3D的持续发展,Tensor-based API将成为标准做法,这种直接从NumPy数组创建点云的方式也体现了现代科学计算库对性能和易用性的双重追求。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
315
2.74 K
deepin linux kernel
C
24
7
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++
639
246
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
Ascend Extension for PyTorch
Python
155
178
暂无简介
Dart
606
136
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
240
85
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
364
3.02 K
React Native鸿蒙化仓库
JavaScript
238
310