如何区分3D物体点云中的表面点与内部点？

• 局部几何特征分析

  • 曲率计算：表面点处于物体边界，邻域点分布有明显起伏，拟合平面或二次曲面得到的曲率值较大；内部点周围点均匀分布，曲率接近0。设置合理阈值就能初步区分两类点。
  • 邻域密度统计：内部点被其他点包围，k近邻范围内的平均点距更小，密度更高；表面点一侧有空隙，邻域密度相对更低。统计每个点的k近邻平均距离，就能区分密度差异。
  • 法向量一致性判断：表面点的邻域法向量方向相对统一（要么朝向外部，要么朝向内部）；内部点周围的法向量杂乱无章，方向方差很大。通过计算邻域法向量的方差，方差大的大概率是内部点。

• 射线检测法

  • 给每个点发射多条随机方向的射线，统计射线与点云的交点数量。根据奇偶规则：如果射线在多数方向上的交点数为偶数，说明点被点云包裹，属于内部点；如果存在多个方向射线交点数为奇数（或几乎无交点），说明点在表面区域。注意给射线加微小偏移，避免正好穿过其他点导致误判。

• 表面重建后判断

  • 用泊松重建、Alpha形状算法等先把点云重建为表面网格。然后计算每个原始点到网格的符号距离：距离接近0的是表面点，距离为负（在网格内部）的是内部点，距离为正的是外部点（如果有的话）。这种方法的精度依赖重建质量，点云噪声大时效果会受影响。

• 聚类连通性分析

  • 用DBSCAN这类聚类算法处理点云，表面点通常会形成一个连通的大簇，内部点可能是分散的小簇，或者被包裹在大簇内部。不过这种方法只适合内部点离散分布的场景，如果内部点也连成一片，区分效果会变差。

内容的提问来源于stack exchange，提问作者Mo Alomari