flatpoints: 将3D点云转换为2D几何图像
Show HN: 3D to 2D, point clouds flattening (geometry images)
flatpoints将几何图像技术直接应用于点云数据，把每个3D点映射为2D像素，形成类似图像的索引结构。相邻像素对应空间邻近的点，保留表面连续性。支持坐标、法线、颜色等属性转换，让点云能直接应用卷积、CNN、SVD等2D工具。适用于点云重采样、压缩及可视化，通过pip安装即可快速上手。
每个3D点都变成2D像素，相邻像素对应邻近点，让点云也能享受2D工具箱的强大能力。
- adec314
我尝试了一段时间，想把不规则的东西（点云）放进规则的网格中，把网格本身用作数据结构。不是因为这样更好，而是因为网格比方说树这样的结构更规整，因此更容易集成到机器学习流程中。这一切都始于这里，简单的多索引：
https://news.ycombinator.com/item?id=49042861
后来我意识到，为了让多索引过程更有效，我需要某种预处理，把点弄“平”（变成 2D 而不是 3D）。当它们已经是平的，我就能更好地排序。
然后我听到了网格展平（mesh flattening），https://geometrycollective.github.io/boundary-first-flatteni...
以及几何图像（geometry images）https://hhoppe.com/proj/gim/，心想：只要点云具有潜在的曲面分布，我就应该试试这个。嗯，看来确实行得通。至少现在我可以把兔子、龙和大象都塞进网格里，而不会在过程中丢失一半的腿、耳朵或任何东西。
- koolala
这能让你把模型压缩进像 JpegXL 这样的有损系统吗？
- aaroninsf
有人能给我解释一下这是用来做什么的，以及在什么情况下会用到吗？
与刻薄相反：这是积极的好奇心 :)