嘿，我之前也碰到过这个需求——用Open3D裁剪点云后还需要保留感兴趣区域之外的点，官方文档确实没直接给出反转裁剪的方法，但有两种靠谱的方案能解决你的问题：

方案一：利用contains_points获取内外点索引（推荐） #

Open3D的SelectionPolygonVolume其实有个实用的隐藏方法contains_points，它能直接判断原始点云中每个点是否位于裁剪区域内，返回一个布尔掩码。我们可以用这个掩码快速分离内点和外点：

import numpy as np
import open3d as o3d

# 你的原始裁剪逻辑（保持不变）
newCamView = np.hstack((camView, np.zeros(shape=camView.shape[0]).reshape(3,1)))
vol = o3d.visualization.SelectionPolygonVolume()
vol.bounding_polygon = o3d.utility.Vector3dVector(newCamView)
vol.orthogonal_axis = "Z"
vol.axis_max = 10
vol.axis_min = -10

# 关键步骤：获取每个点是否在裁剪区域内的掩码
mask = vol.contains_points(pcd_raw.points)

# 转换为索引数组
inner_indices = np.where(mask)[0]  # 区域内点的索引
outer_indices = np.where(np.logical_not(mask))[0]  # 区域外点的索引

# 分别提取内点和外点点云
pcd_cropped = pcd_raw.select_by_index(inner_indices)
pcd_outer = pcd_raw.select_by_index(outer_indices)

# 转成你需要的数组格式
pcd_final_inner = np.hstack((np.asarray(pcd_cropped.points), np.asarray(pcd_cropped.colors)))
pcd_final_outer = np.hstack((np.asarray(pcd_outer.points), np.asarray(pcd_outer.colors)))

为什么推荐这个方法？ #

• 准确性高：直接基于Open3D的裁剪逻辑判断点的归属，不会因为重复点或坐标精度问题出错
• 效率高：内部是C++实现的底层逻辑，比手动匹配点坐标快很多
• 灵活性强：拿到索引后，你可以自由组合或处理内外点，比如只保留外点，或者同时保存两组数据

方案二：通过点云匹配获取索引（不推荐） #

如果因为版本问题无法使用contains_points（不过最新版Open3D都支持），你也可以通过对比原始点云和裁剪后点云的坐标来获取索引，但这种方法在点云有重复点或坐标精度误差时容易出错：

# 假设pcd_cropped是你之前裁剪得到的点云
cropped_points = np.asarray(pcd_cropped.points)
raw_points = np.asarray(pcd_raw.points)

# 用np.isin匹配坐标（注意：坐标精度可能影响结果）
mask = np.isin(raw_points, cropped_points).all(axis=1)
inner_indices = np.where(mask)[0]
outer_indices = np.where(np.logical_not(mask))[0]

# 后续步骤和方案一一致

这种方法只适合点云无重复点且坐标精度极高的场景，一般不建议使用。

内容的提问来源于stack exchange，提问作者Raphael HAENEL