带法向量的点云转换为保留原顶点的简单面网格

核心需求：使用已带曲面法向量的稀疏下采样激光扫描点云，直接生成网格曲面，要求保留所有原始顶点，仅通过连接每个顶点的最近邻构建三角面，避免采用会丢失顶点的Delaunay三角剖分、泊松重建等算法。

方案实现 #

一、手动实现（完全满足需求，可控性强）

PyVista和PyMeshLab均无直接匹配需求的内置函数，手动实现是最优选择，步骤如下：

1. 用KDTree快速检索每个点的最近邻（推荐取3个，用于构建三角面）
2. 生成三角面索引时对顶点排序，避免重复构建同一面
3. 直接复用原始点云的法向量信息

示例代码：

import pyvista as pv
from scipy.spatial import KDTree
import numpy as np

# 读取带法向量的点云（替换为你的点云文件路径）
point_cloud = pv.read("your_scanned_points.ply")
points = point_cloud.points
normals = point_cloud.point_data["Normals"]

# 构建KDTree，快速查找最近邻
kdtree = KDTree(points)
# 每个点取3个最近邻（自身+2个相邻点）
k_neighbors = 3
_, neighbor_indices = kdtree.query(points, k=k_neighbors)

# 生成无重复的三角面索引
faces = []
seen_triangles = set()

for idx in range(len(points)):
    # 提取当前点的3个邻居索引
    tri_indices = neighbor_indices[idx]
    # 对索引排序，避免因顺序不同导致的重复面
    sorted_tri = tuple(sorted(tri_indices))
    # 确保三个索引不重复（避免退化面）且未被添加过
    if len(set(sorted_tri)) == 3 and sorted_tri not in seen_triangles:
        seen_triangles.add(sorted_tri)
        # PyMesh/PyVista的面格式：[顶点数, 索引1, 索引2, 索引3]
        faces.append([3, sorted_tri[0], sorted_tri[1], sorted_tri[2]])

# 构建网格并绑定原始法向量
mesh = pv.PolyData(points, np.array(faces).ravel())
mesh.point_data["Normals"] = normals

# 可视化对比
pl = pv.Plotter(shape=(1, 2))
pl.add_mesh(point_cloud, point_size=6)
pl.add_title("原始激光扫描点云")
pl.subplot(0, 1)
pl.add_mesh(mesh, show_edges=True, color="lightblue")
pl.add_title("直接生成的网格曲面")
pl.show()

二、PyVista现有函数的局限性

你提到的reconstruct_surface函数底层依赖泊松重建或Delaunay类算法，会自动过滤、简化顶点，无法保证所有原始点都被保留，不符合需求，示例代码仅作参考：

import pyvista as pv

bunny = pv.read("Stanford_Bunny.ply")
points = pv.wrap(bunny.points)
surf = points.reconstruct_surface(nbr_sz=10)

pl = pv.Plotter(shape=(1, 2))
pl.add_mesh(points)
pl.add_title("3D曲面点云")
pl.subplot(0, 1)
pl.add_mesh(surf, color=True, show_edges=True)
pl.add_title("重建曲面")
pl.show()

三、PyMeshLab的实现思路

PyMeshLab同样无直接匹配的内置功能，可参照以下流程手动实现：

1. 导入点云，提取顶点坐标与法向量数据
2. 借助Python的KDTree（或PyMeshLab的邻域检索工具）查找每个点的最近邻
3. 手动构建三角面索引，创建网格后重新绑定原始法向量

注意事项 #

• 选择3个最近邻构建三角面是最稳妥的方式，可避免生成复杂多边形面
• 对三角面索引排序能有效减少冗余面，提升网格效率
• 若点云存在少量噪声，可先做轻度平滑处理（你的点已下采样，可忽略此步骤）

内容的提问来源于stack exchange，提问作者HelpMe