fullseye

estimate_normals — 3D `curvature` op

データ種: points → normals
呼び出し: import fullseye as fs; fs.ledger.estimate_normals(points, k=25) (実装を直接呼ぶなら import curvature3d; curvature3d.estimate_normals(points, k=25)、台帳から引くなら ops3d.get("estimate_normals"))

使い方

外向き(近傍重心から離れる)に統一した点群法線。→ (N,3)。

手順(各点、Python ループ): cKDTree で自身を含む k+1 近傍(k は N-1 に切り詰め)を取り、クエリ点を原点にした近傍座標の散布行列 local.T @ local の最小固有ベクトルを法線にする(単位長)。向きは「近傍重心との内積が正なら反転」= 近傍重心から離れる側に揃える。

近傍が 5 点未満の点は固定値 (0, 0, 1) を返す(推定していない)。
向き付けは局所ヒューリスティクスで、閉じた凸形状なら外向きだが、開いた面・薄板・凹部では隣接点どうしで向きが食い違い得る(大域一貫性は保証しない)。大域的に揃えるには orient_normals に通すか、最初から estimate_oriented_normals を使う。organized 深度画像なら normals_from_depth が視点向きで速い。
返り値は float64 (N,3)。k 既定 25。決定論的。
内部は principal_curvatures と同じ計算を通る(法線推定にも二次曲面フィットまで走る)ので、点数が多いと遅い。

背景知識ガイド(この op の手前にある物理・規約)

blas_threads_and_memory — 行列分解が遅い理由の知識 — BLAS スレッド・キャッシュ・メモリ配置

参考(サンプルデータ・文献)

サンプルデータカタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。
演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。

実行できる例(この op を実際に呼ぶ検証済みサンプル)

cylinder_axis_metrology — py -3.11 examples_3d/cylinder_axis_metrology.py
feature_register — py -3.11 examples_3d/feature_register.py
oriented_normals — py -3.11 examples_3d/oriented_normals.py

型が繋がる次の op(`normals` を入力に取れる)

icp_point2plane · compute_fpfh · shot_descriptor · fuse_to_voxel · reflect · refract · normal_consistency · ransac_cylinder

同カテゴリ(`curvature`)

principal_curvatures · mean_curvature · gaussian_curvature · shape_index

Provenance: curvature3d.py — 3D operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。

This site is open source. Improve this page.