Python PyVista点云重建如何仅提取扫描目标曲面网格

delaunay_3d是三维体域三角剖分算法，设计目标是生成包裹所有输入点的封闭实体网格，后续调用extract_geometry()提取外壳时，必然会自动补全点云未覆盖的侧面、底面形成封闭结构，完全不适合单开放曲面的重建场景。

不要走3D体网格转几何外壳的流程，直接使用曲面重建接口生成开放网格，两种常用方案适配不同场景：

方案1：通用曲面重建（适配任意弯曲开放曲面） #

使用PyVista内置的泊松曲面重建接口，专门面向开放点云曲面的重建需求，不会自动生成封闭封边：

import pyvista as pv
# points为尺寸(n_points, 3)的numpy点坐标数组
cloud = pv.PolyData(points)

# 直接重建开放曲面
surface_mesh = cloud.reconstruct_surface(
    nbr_sz=15,  # 邻域搜索半径，根据点云平均点间距调整，通常取平均点间距的5~10倍
    sample_spacing=1  # 采样间距，匹配点云实际分辨率即可
)
surface_mesh.plot()

方案2：2.5D扫描点云适配（速度更快、结果更干净） #

如果你的点云是单视角扫描得到的2.5D数据（曲面在扫描视角下无重叠遮挡，比如正对扫描的前弯曲面），可以用2D Delaunay剖分实现零冗余面的重建：

cloud = pv.PolyData(points)
# 自动将点云主曲面对齐到XY投影平面
aligned_cloud, trans_mat = cloud.align_planes(target_plane='z', return_matrix=True)
# 在二维投影域完成三角剖分
surface_mesh = aligned_cloud.delaunay_2d()
# 转换回原始点云坐标系
surface_mesh = surface_mesh.transform(trans_mat.inverse)
surface_mesh.plot()

如果重建结果存在少量碎面、异常连接，可通过以下步骤过滤：

• 调用surface_mesh.clean()删除重复点、零面积退化三角面
• 调用surface_mesh.connectivity(largest=True)提取最大连通块，自动过滤孤立的碎片网格
• 对明确不在目标曲面上的区域，可通过坐标阈值调用remove_points()直接删除对应点与关联面，比如筛除Z轴坐标低于目标曲面最低值的底面部分

内容的提问来源于stack exchange，提问作者Camden Nagg