大規模なポイントクラウドで3D法線の向きを効率的に計算する方法

Question

私はPythonのポイントクラウドを管理するためのPythonのライブラリで働いています。

私はnumpyの構造化配列として保存されたポイントクラウド内のすべてのノーマルの方向を計算する関数を作成しましたが、私は最終的な関数が十分に満足できるとは思えませんでした。大規模なポイントクラウドで方位を計算するためのもう1つのより効率的な/ピジョンのアプローチがあるかどうか疑問に思う。

esfera = PyntCloud.from_ply('Sphere.ply') 

esfera.vertex 
Out[3]: 
array([ (0.2515081465244293, 0.05602749437093735, 1.9830318689346313, 0.12660565972328186, 0.02801010198891163, 0.9915575981140137, 7.450349807739258, 77.52488708496094), 
     (0.09723527729511261, 0.02066999115049839, 1.9934484958648682, 0.048643846064805984, 0.011384730227291584, 0.9987513422966003, 2.863548517227173, 76.82744598388672), 
     (0.17640848457813263, 0.028193067759275436, 1.9881943464279175, 0.08916780352592468, 0.01611466333270073, 0.9958862066268921, 5.198856830596924, 79.75591278076172), 
     ..., 
     (0.17817874252796173, -0.046098098158836365, -1.9879237413406372, 0.08992616087198257, -0.02275240235030651, -0.9956884980201721, 5.322407245635986, 284.19854736328125), 
     (0.2002459168434143, -0.002330917865037918, -1.986855149269104, 0.09960971027612686, -0.0010710721835494041, -0.9950260519981384, 5.717002868652344, 270.6160583496094), 
     (0.12885123491287231, -0.03245270624756813, -1.9912745952606201, 0.06637085974216461, -0.01580258458852768, -0.9976698756217957, 3.912114381790161, 283.3924865722656)], 
     dtype=[('x', '<f4'), ('y', '<f4'), ('z', '<f4'), ('nx', '<f4'), ('ny', '<f4'), ('nz', '<f4'), ('scalar_Dip_(degrees)', '<f4'), ('scalar_Dip_direction_(degrees)', '<f4')]) 

esfera.vertex['nx'] 
Out[4]: 
array([ 0.12660566, 0.04864385, 0.0891678 , ..., 0.08992616, 
     0.09960971, 0.06637086], dtype=float32) 

esfera.vertex[-1]['nx'] 
Out[5]: 0.06637086 

そして、これはオリエンテーション機能である：

これはpointcloudが構成されている方法です

def add_orientation(self, degrees=True): 

    """ Adds orientation (with respect to y-axis) values to PyntCloud.vertex 

    This function expects the PyntCloud to have a numpy structured array 
    with normals x,y,z values (correctly named) as the corresponding vertex 
    atribute. 

    Args: 
     degrees (Optional[bool]): Set the oputput orientation units. 
      If True(Default) set units to degrees. 
      If False set units to radians. 
    """ 

    #: set copy to False for efficience in large pointclouds 
    nx = self.vertex['nx'].astype(np.float64, copy=False) 
    ny = self.vertex['ny'].astype(np.float64, copy=False) 

    #: get orientations 
    angle = np.arctan(np.absolute(nx/ny)) 

    #: mask for every quadrant 
    q2 = np.logical_and((self.vertex['nx']>0),(self.vertex['ny']<0)) 
    q3 = np.logical_and((self.vertex['nx']<0),(self.vertex['ny']<0)) 
    q4 = np.logical_and((self.vertex['nx']<0),(self.vertex['ny']>0)) 

    #: apply modification for every quadrant 
    angle[q2] = np.pi - angle[q2] 
    angle[q3] = np.pi + angle[q3] 
    angle[q4] = (2*np.pi) - angle[q4] 

    if degrees == False: 
     orientation = np.array(angle, dtype=[('orir', 'f4')]) 
    else: 
     orientation = np.array((180 * angle/np.pi), dtype=[('orid', 'f4')]) 

    #: merge the structured arrays and replace the old vertex attribute 
    self.vertex = join_struct_arrays([self.vertex, orientation]) 

そしてCloudCompareに可視化結果（enoght担当者を持っていけないポストイメージのため。）：あなたのHELのため

https://raw.githubusercontent.com/daavoo/sa/master/Captura%20de%20pantalla%20de%202016-03-21%2013%3A28%3A39.png

感謝p。

Answer 1

私は自分自身を恥じています。 xD

これらのnumpy組み込み関数は、私が探していたものとまったく同じものでした。

ありがとう@ダン。ここで

は新しい関数です：

def add_orientation(self, degrees=True): 

     """ Adds orientation (with respect to y-axis) values to PyntCloud.vertex 

     This function expects the PyntCloud to have a numpy structured array 
     with normals x,y,z values (correctly named) as the corresponding vertex 
     atribute. 

     Args: 
      degrees (Optional[bool]): Set the oputput orientation units. 
       If True(Default) set units to degrees. 
       If False set units to radians. 
     """ 

     #: set copy to False for efficience in large pointclouds 
     nx = self.vertex['nx'].astype(np.float64, copy=False) 
     ny = self.vertex['ny'].astype(np.float64, copy=False) 

     #: get orientations 
     angle = np.arctan2(nx,ny) 

     #: convert (-180 , 180) to (0 , 360) 
     angle[(np.where(angle < 0))] = (2*np.pi) + angle[(np.where(angle < 0))] 

     if degrees: 
      orientation = np.array(np.rad2deg(angle), dtype=[("orid2",'f4')]) 
     else: 
      orientation = np.array(angle, dtype=[("orir2",'f4')]) 

     self.vertex = join_struct_arrays([self.vertex, orientation]) 

WICHは、簡単かつ高速です。

t0 = t.time() 
esfera.add_orientation() 
t1 = t.time() 
dif = t1-t0 
dif 
Out[18]: 0.34514379501342773 

t0 = t.time() 
esfera.add_orientation2() 
t1 = t.time() 
dif = t1-t0 
dif 
Out[20]: 0.291456937789917 

今私は恥ずかしそうに満足しています。

次回は質問を投稿する前にnumpyのドキュメントを詳しく見ていきます。

ありがとうございました。それは、任意の計算を簡素化するかどう

comp = esfera.vertex['orid'] == esfera.vertex['orid2'] 

np.all(comp) 
Out[15]: True