高斯曲率和平均曲率适用于粗糙表面吗？
Is Gaussian & Mean Curvatures Applicable for Rough Surfaces?
对于我正在进行的项目，我已经成功地对道路图像数据执行了 SFM 程序，并且能够生成包含点云坐标（X、Y、Z）、RGB 值的 .ply 文件，和法线（nx、ny、nz）。
现在，我有兴趣根据我拥有的数据计算每个点的曲率值。我遇到过 Surface Curvature MATLAB Equivalent in Python，但据说该实现仅在 X、Y 和 Z 是二维数组时才有效。
如果路面非常粗糙，高斯曲率和平均曲率是否适用？给定大小为 NX3 的 (X,Y,Z) 坐标数据和大小为 NX3 的 (nx,ny,nz) 法线数据，我应该如何找到曲率？ Python 中是否有当前的实现？
我实际上是在写 Python library for working with point clouds。
使用原始点云，我知道的唯一 "curvature" 概念是使用从每个点的邻域获得的特征值计算的概念。
如果这是你的意思，这里有一个示例代码：
from pyntcloud import PyntCloud
cloud = PyntCloud.from_file("Box.ply")
这是里面的示例点云Box.ply:
计算曲率的步骤是：
获取每个点的 k 个邻居：
k_neighbors = cloud.get_neighbors(k=10)
使用它的 k（在本例中为 10）邻居计算每个点的特征值：
ev = cloud.add_scalar_field("eigen_values", k_neighbors=k_neighbors)
根据这些特征值计算曲率：
cloud.add_scalar_field("curvature", ev=ev)
使用新的标量场保存云：
cloud.to_file("out.ply")
这是 out.ply 内的点云，根据分配给每个点的曲率值着色（白色是较高的曲率值）：
这是一个关于如何过滤点云以仅保留曲率值高于平均值的点的示例：
curvature = cloud.points["curvature(K(16))"]
cloud.points = cloud.points[curvature > curvature.mean()]
cloud.to_file("out.ply")
以及out.ply的新内容：
对于我正在进行的项目，我已经成功地对道路图像数据执行了 SFM 程序，并且能够生成包含点云坐标（X、Y、Z）、RGB 值的 .ply 文件，和法线（nx、ny、nz）。
现在，我有兴趣根据我拥有的数据计算每个点的曲率值。我遇到过 Surface Curvature MATLAB Equivalent in Python，但据说该实现仅在 X、Y 和 Z 是二维数组时才有效。
如果路面非常粗糙，高斯曲率和平均曲率是否适用？给定大小为 NX3 的 (X,Y,Z) 坐标数据和大小为 NX3 的 (nx,ny,nz) 法线数据，我应该如何找到曲率？ Python 中是否有当前的实现？
我实际上是在写 Python library for working with point clouds。
使用原始点云，我知道的唯一 "curvature" 概念是使用从每个点的邻域获得的特征值计算的概念。
如果这是你的意思，这里有一个示例代码：
from pyntcloud import PyntCloud
cloud = PyntCloud.from_file("Box.ply")
这是里面的示例点云Box.ply:
计算曲率的步骤是：
获取每个点的 k 个邻居：
k_neighbors = cloud.get_neighbors(k=10)
使用它的 k（在本例中为 10）邻居计算每个点的特征值：
ev = cloud.add_scalar_field("eigen_values", k_neighbors=k_neighbors)
根据这些特征值计算曲率：
cloud.add_scalar_field("curvature", ev=ev)
使用新的标量场保存云：
cloud.to_file("out.ply")
这是 out.ply 内的点云，根据分配给每个点的曲率值着色（白色是较高的曲率值）：
这是一个关于如何过滤点云以仅保留曲率值高于平均值的点的示例：
curvature = cloud.points["curvature(K(16))"]
cloud.points = cloud.points[curvature > curvature.mean()]
cloud.to_file("out.ply")
以及out.ply的新内容：