如何在TensorFlow/CNN中处理OBJ或STL文件并生成指定4维数组

R语言实现步骤 #

1. 安装依赖包 #

处理3D网格和体素需要用到Rvcg和rgl包：

install.packages(c("Rvcg", "rgl"))

2. 读取OBJ/STL文件 #

用Rvcg的vcgImport函数读取两种格式的模型：

library(Rvcg)
# 读取OBJ文件
mesh <- vcgImport("model.obj", clean = TRUE)
# 读取STL文件（二进制/ASCII格式均支持）
# mesh <- vcgImport("model.stl", clean = TRUE)

3. 体素化生成3D数组 #

通过vcgVoxelize将网格转换为三维体素数组，res参数控制体素分辨率（值越大，网格越精细）：

# 生成3D逻辑数组，TRUE表示体素在模型内部
voxel_3d <- vcgVoxelize(mesh, res = 64)
# 转换为数值型数组，适配后续TensorFlow处理
voxel_3d <- as.numeric(voxel_3d)
dim(voxel_3d) <- dim(voxel_3d)[1:3]  # 恢复三维结构

4. 扩展为4维数组（x, y, z, channel） #

TensorFlow的Conv3D输入要求4维格式，这里添加单通道维度（多通道可按需调整）：

# 扩展通道维度，设为1
voxel_4d <- array(voxel_3d, dim = c(dim(voxel_3d), 1))
# 查看最终形状
print(dim(voxel_4d))  # 输出示例：(64, 64, 64, 1)

Python语言实现步骤 #

1. 安装依赖库 #

用trimesh处理3D模型，numpy处理数组：

pip install trimesh numpy tensorflow

2. 读取OBJ/STL文件 #

trimesh支持直接读取两种格式：

import trimesh

# 读取OBJ文件
mesh = trimesh.load("model.obj")
# 读取STL文件
# mesh = trimesh.load("model.stl")

3. 体素化生成3D数组 #

使用trimesh的体素化工具生成规整网格，voxel_size控制体素大小（值越小，分辨率越高）：

# 生成VoxelGrid对象
voxel_grid = mesh.voxelized(voxel_size=1.0)
# 转换为numpy 3D数组，1表示体素在模型内，0表示外部
voxel_3d = voxel_grid.matrix.astype(float)

4. 扩展为4维数组 #

添加通道维度，适配Conv3D输入要求：

import numpy as np

# 扩展单通道维度
voxel_4d = np.expand_dims(voxel_3d, axis=-1)
# 查看最终形状
print(voxel_4d.shape)  # 输出示例：(64, 64, 64, 1)

关键注意事项 #

• 分辨率平衡：体素分辨率需根据模型大小和计算资源调整，过高会导致数组过大，增加计算负担；过低会丢失形状细节。
• 多通道扩展：若需多通道输入（如颜色、材质信息），可在体素化后提取对应数据，添加到通道维度。
• 坐标对齐：部分模型存在坐标偏移，体素化前可先对模型做平移、缩放处理，确保体素网格符合输入要求。

内容的提问来源于stack exchange，提问作者stschn