３次元点群処理の例（Open3D ライブラリ）

【概要】

本記事では，Open3D ライブラリを用いた3次元点群処理の例を8つのパターンで解説する。Open3D は，3次元データの入出力，ダウンサンプリング，外れ値除去，法線推定，ポリゴン変換，セグメンテーション，クラスタリングの機能を持つライブラリである。

各パターンは次の処理を実装している。

各パターンでは，室内環境（Redwood，デモデータ，リビングルーム），屋外環境（Eagle彫刻，噴水，Semantic3D），3Dスキャンデータ（Stanford Armadillo，Bunny）の11種類のデータセットから1つを選べる。

8つのコードは，共通部分（import文，データ取得関数，データセット定義，読み込み処理）を同じ内容にそろえ，パターン固有の処理部分との境界を区分している。

【目次】

【関連する外部ページ】

【サイト内の関連情報】

1. 前準備（必要ソフトウェアの入手）

機械学習や深層学習を行う場合は，NVIDIA CUDA，Visual Studio，Cursor を追加でインストールする。これらについては別ページ https://www.kkaneko.jp/cc/dev/aiassist.html で解説している。

Python 3.12 のインストール

Pythonのインストールを行い、Pythonのプログラムを実行する環境を整える。扱う環境は、Windows搭載パソコンである。金子研究室では、Python 3.12.10を推奨する。

[Windows での Python 3.12 のインストール手順を見るには、ここをクリック]

Windows での Python 3.12 のインストール

以下のいずれかの方法でPython 3.12をインストールする。Pythonがインストール済みの場合、この手順は不要である。

方法 1：winget によるインストール

【インストールコマンドの実行方法】

管理者権限でコマンドプロンプトを起動する（手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。そして、コマンド全体をコマンドプロンプトにコピー＆ペーストする。

--scope machine を指定することで、システム全体（全ユーザー向け）にインストールされる。このオプションの実行には管理者権限が必要である。インストール完了後、コマンドプロンプトを再起動するとPATHが反映される。

REM Python 3.12 をシステム領域にインストール
winget install --id Python.Python.3.12 -e --scope machine --silent --accept-source-agreements --accept-package-agreements --override "/quiet InstallAllUsers=1 PrependPath=1 Include_test=0 Include_pip=1 Include_launcher=1 InstallLauncherAllUsers=1 TargetDir=\"C:\Program Files\Python312\""
if not "%ERRORLEVEL%"=="0" ( color 0c & echo Python 3.12 のインストールに失敗しました & ping 127.0.0.1 -n 6 >nul & color )

REM Python と Scripts を PATH 先頭に追加
powershell -NoProfile -Command "$p='C:\Program Files\Python312'; $s=\"$p\Scripts\"; if(Test-Path $p){$k=[Microsoft.Win32.Registry]::LocalMachine.OpenSubKey('SYSTEM\CurrentControlSet\Control\Session Manager\Environment',$true); $c=$k.GetValue('Path','',[Microsoft.Win32.RegistryValueOptions]::DoNotExpandEnvironmentNames); $t=$k.GetValueKind('Path'); $new=$c; if((';'+$new+';') -notlike \"*;$p;*\"){$new=$p+';'+$new}; if((';'+$new+';') -notlike \"*;$s;*\"){$new=$s+';'+$new}; if($new -ne $c){$k.SetValue('Path',$new,$t)}; $k.Close()}"

REM 現在のセッションにも反映（システムPATHを再取得して連結）
for /f "usebackq tokens=2,*" %A in (`reg query "HKLM\SYSTEM\CurrentControlSet\Control\Session Manager\Environment" /v Path`) do set "PATH=%B"

REM pip / wheel の更新
python -m pip install --no-user -U pip wheel
if not "%ERRORLEVEL%"=="0" ( color 0c & echo pip / wheel の更新に失敗しました & ping 127.0.0.1 -n 6 >nul & color )

方法 2：インストーラーによるインストール

  1. Python公式サイト（https://www.python.org/downloads/）にアクセスし、「Download Python 3.x.x」ボタンからWindows用インストーラーをダウンロードする。
  2. ダウンロードしたインストーラーを実行する。
  3. 初期画面の下部に表示される「Add python.exe to PATH」にチェックを入れてから「Customize installation」を選択する。このチェックを入れ忘れると、コマンドプロンプトから python コマンドを実行できない。
  4. 「Install Python 3.xx for all users」にチェックを入れ、「Install」をクリックする。

インストールの確認

コマンドプロンプトで以下を実行する。

python --version

バージョン番号（例：Python 3.12.x）が表示されればインストール成功である。「'python' は、内部コマンドまたは外部コマンドとして認識されていません。」と表示される場合は、インストールが正常に完了していない。

Python の開発環境 Visual Studio Code のインストールと Python 用の設定

Python の開発環境Visual Studio Code（プログラムを編集するソフトウェア。以下、VS Code）を整える。

[Windows での Visual Studio Code のインストールと Python 用の設定手順を見るには、ここをクリック]

Windows での Visual Studio Code のインストールと Python 用の設定手順

1. VS Code と拡張機能のインストール

以下のコマンドにより，既存の VS Code を削除し，全ユーザー共有の設定で再インストールしたうえで，拡張機能（VS Code に機能を追加するソフトウェア）をまとめて導入する．

【インストールコマンドの実行方法】

管理者権限でコマンドプロンプトを起動する（手順：Windows キーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。そして，コマンド全体をコマンドプロンプトにコピー＆ペーストする。

インストールコマンド


REM ============================================================
REM Microsoft Visual Studio Code
REM ============================================================
REM Build Tools + Desktop development with C++（VCTools）+ 追加コンポーネント（一括）
REM 未インストール時: winget で新規インストール
REM インストール済み時: setup.exe modify でコンポーネント追加（バージョンは変更しない）
winget list --id Microsoft.VisualStudio.BuildTools 2>nul | findstr /i "BuildTools" >nul 2>&1
if %ERRORLEVEL% EQU 0 (
    for /f "usebackq delims=" %P in (`"C:\Program Files (x86)\Microsoft Visual Studio\Installer\vswhere.exe" -products Microsoft.VisualStudio.Product.BuildTools -property installationPath`) do start /wait "" "C:\Program Files (x86)\Microsoft Visual Studio\Installer\setup.exe" modify --installPath "%P" --add Microsoft.VisualStudio.Workload.VCTools --add Microsoft.VisualStudio.Workload.MSBuildTools --add Microsoft.VisualStudio.Component.VC.CMake.Project --add Microsoft.VisualStudio.Component.VC.Llvm.Clang --add Microsoft.VisualStudio.Component.VC.Llvm.ClangToolset --add Microsoft.VisualStudio.Component.Windows11SDK.26100 --add Microsoft.VisualStudio.Component.VC.v143.x86.x64 --includeRecommended --quiet --norestart --nocache
    if not "%ERRORLEVEL%"=="0" ( color 0c & echo Build Tools のコンポーネント追加に失敗しました & ping 127.0.0.1 -n 6 >nul & color )
) else (
    winget install --scope machine --id Microsoft.VisualStudio.BuildTools -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "--quiet --wait --norestart --nocache --add Microsoft.VisualStudio.Workload.VCTools --includeRecommended --add Microsoft.VisualStudio.Workload.MSBuildTools --add Microsoft.VisualStudio.Component.VC.CMake.Project --add Microsoft.VisualStudio.Component.VC.Llvm.Clang --add Microsoft.VisualStudio.Component.VC.Llvm.ClangToolset --add Microsoft.VisualStudio.Component.Windows11SDK.26100 --add Microsoft.VisualStudio.Component.VC.v143.x86.x64"
    if not "%ERRORLEVEL%"=="0" ( color 0c & echo Build Tools のインストールに失敗しました & ping 127.0.0.1 -n 6 >nul & color )
)

REM 全ユーザー共有の拡張機能フォルダ
if not exist "C:\ProgramData\vscode-extensions" mkdir "C:\ProgramData\vscode-extensions"
icacls "C:\ProgramData\vscode-extensions" /grant "Everyone:(OI)(CI)M" /T

REM スタートメニューのショートカットを --extensions-dir 付きで再作成
if exist "C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio Code" rmdir /s /q "C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio Code"
if exist "C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio Code.lnk" del "C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio Code.lnk"
powershell -NoProfile -Command "$s=New-Object -ComObject WScript.Shell; $lnk=$s.CreateShortcut('C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio Code.lnk'); $lnk.TargetPath='C:\Program Files\Microsoft VS Code\Code.exe'; $lnk.Arguments='--extensions-dir \"C:\ProgramData\vscode-extensions\"'; $lnk.Save()"
REM ショートカットの検証
powershell -NoProfile -Command "$s=New-Object -ComObject WScript.Shell; $lnk=$s.CreateShortcut('C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio Code.lnk'); Write-Host 'TargetPath:' $lnk.TargetPath; Write-Host 'Arguments:' $lnk.Arguments"

REM ファイル / フォルダ右クリックの「Code で開く」を登録
reg add "HKLM\SOFTWARE\Classes\*\shell\VSCode\command" /ve /d "\"C:\Program Files\Microsoft VS Code\Code.exe\" --extensions-dir \"C:\ProgramData\vscode-extensions\" \"%1\"" /f
reg add "HKLM\SOFTWARE\Classes\Directory\shell\VSCode\command" /ve /d "\"C:\Program Files\Microsoft VS Code\Code.exe\" --extensions-dir \"C:\ProgramData\vscode-extensions\" \"%1\"" /f
reg add "HKLM\SOFTWARE\Classes\Directory\Background\shell\VSCode\command" /ve /d "\"C:\Program Files\Microsoft VS Code\Code.exe\" --extensions-dir \"C:\ProgramData\vscode-extensions\" \"%V\"" /f

REM --extensions-dir 付きで起動する code.cmd ラッパを作成
REM （%* を echo で書くと対話的 cmd で失われるため、PowerShell で [char]37+'*' を書き出す）
powershell -NoProfile -Command "$pct=[char]37; $q=[char]34; $c='@echo off'+[char]13+[char]10+$q+'C:\Program Files\Microsoft VS Code\bin\code.cmd'+$q+' --extensions-dir '+$q+'C:\ProgramData\vscode-extensions'+$q+' '+$pct+'*'+[char]13+[char]10; [IO.File]::WriteAllText('C:\ProgramData\vscode-extensions\vscode.cmd',$c,[Text.Encoding]::ASCII)"

REM 拡張機能のインストール
set "CODE=C:\Program Files\Microsoft VS Code\bin\code.cmd"
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --uninstall-extension GitHub.copilot
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --uninstall-extension GitHub.copilot-chat
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension ms-python.python
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension ms-python.vscode-pylance
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension ms-python.debugpy
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension MS-CEINTL.vscode-language-pack-ja
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension saoudrizwan.claude-dev
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension rust-lang.rust-analyzer
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension tamasfe.even-better-toml
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension anthropic.claude-code
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension almenon.arepl
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --list-extensions --show-versions

REM settings.json を作成（自動更新オフ、Python、Claude Code 設定）
if not exist "%APPDATA%\Code\User" mkdir "%APPDATA%\Code\User"
python -c "import json,os;data={'update.mode':'none','update.enableWindowsBackgroundUpdates':False,'extensions.autoUpdate':False,'python.defaultInterpreterPath':r'C:\Program Files\Python312\python.exe','claudeCode.environmentVariables':[{'name':'ANTHROPIC_API_KEY','value':'not-needed'},{'name':'ANTHROPIC_AUTH_TOKEN','value':'ollama'},{'name':'ANTHROPIC_BASE_URL','value':'http://localhost:11434'},{'name':'ANTHROPIC_MODEL','value':'glm-4.7-flash'},{'name':'CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC','value':'1'}]};p=os.path.join(os.environ['APPDATA'],'Code','User','settings.json');open(p,'w',encoding='utf-8').write(json.dumps(data,indent=4));print('Done:',p)"

REM 自動更新の抑止ポリシー（settings.json に加えて、レジストリ側でも明示的にオフ）
reg add "HKLM\SOFTWARE\Policies\Microsoft\VSCode" /v "UpdateMode" /t REG_SZ /d "none" /f
echo === セットアップ完了 ===

2. Python インタプリタの選択

同一マシンに複数の Python がインストールされている場合，VS Code で使用する Python 本体（インタプリタ：Python プログラムを解釈・実行するソフトウェア）を選択する必要がある．

  1. コマンドパレット（コマンド名で機能を呼び出す VS Code の入力欄）を開く（Ctrl+Shift+P）
  2. Python: Select Interpreter と入力する
  3. 表示される一覧から，使用する Python（例：C:\Program Files\Python312\python.exe）を選択する．

Python プログラム実行手順

[Windows での Python プログラム実行手順を見るには、ここをクリック]

Windows での Python 実行手順（Visual Studio Codeを使用）

プログラムファイルの作成と保存

  1. 左サイドバーの「エクスプローラー」アイコン（Ctrl+Shift+E）をクリックする
  2. 「NO FOLDER OPENED」（作業対象フォルダが未選択の状態）と表示される場合は，「Open Folder」をクリックし，プログラムを保存するフォルダを選択する

    続いて「フォルダを信用するか」を確認する画面（フォルダ内のコードを実行してよいか確認する VS Code の仕組み）が表示されるので，チェックして Yes を選択する

  3. フォルダ名の右側に表示される「新しいファイル」アイコンをクリックする
  4. ファイル名（例：aitask.py．ファイル名は何でも良い）を入力し Enter を押す．拡張子は .py（Python ファイルを示す拡張子）とする
  5. 実行したいコードを選択し，Ctrl+C でコピーする．VS Code のエディタ領域に Ctrl+V で貼り付ける
  6. Ctrl+S で保存する

プログラムの実行

  1. エディタ右上の三角形「▷」アイコン（Run Python File：現在開いている Python ファイルを実行するボタン）をクリックする．または，エディタ上で右クリックし「ターミナルで Python ファイルを実行」を選択する
  2. VS Code 下部のターミナル（コマンドの入出力を表示する画面）に，実行結果（print 関数の出力等）が表示される
  3. tkinter（Python 標準の GUI ライブラリ）のファイル選択ダイアログを使うプログラムを実行した場合は，ダイアログが開くので対象画像を選択する
  4. VS Code 下部のターミナルで実行結果を確認する．OpenCV ウィンドウ（OpenCV が画像を表示するために開く専用ウィンドウ）が開いた場合はそちらも確認する．OpenCV ウィンドウは，マウスクリックでウィンドウをアクティブ（操作対象の状態）にしてからキーを押すと終了する

Open3D ライブラリのインストール [クリックして展開]

管理者権限でコマンドプロンプトを起動する （手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。

python -m pip install -U --no-user open3d numpy pandas py7zr matplotlib

2. 実行のための準備とその確認手順（Windows 前提）

2.1 プログラムファイルの準備

第4章の8つのソースコードから，実行するパターンを1つ選び，テキストエディタ（Visual Studio Code やメモ帳）に貼り付け，open3d_demo.py として保存する（文字コード：UTF-8）。

2.2 実行コマンド

コマンドプロンプトを起動し，ファイルの保存先ディレクトリに移動して，次を実行する。

python open3d_demo.py

実行すると，データセット選択画面が表示される。11種類のデータセットから番号（1〜9，A，B。A/B は小文字でも可）を入力して選ぶ。

3. 概要・使い方・実行上の注意

3.1 Open3D ライブラリの主要機能

3.2 使用データ

次の11種類のデータセットから選ぶ。

キー	名称	環境	特徴
1	室内Redwood	室内	PCD・RGB色付き
2	室内デモ	室内	PLY・切り出しデモ
3	テーブルシーン	室内卓上	PCD・Sick LMS400 LiDAR
4	リビングルーム	室内	PLY・Redwood RGB-D
5	Eagle屋外彫刻	屋外	PLY・実計測
6	屋外噴水	屋外	RGB-D生成・ETH
7	Armadillo	スキャン	Stanford 3Dスキャン
8	Stanford Bunny	スキャン	Stanford 3Dスキャン
9	Semantic3D 教会	屋外	静的LiDAR・bildstein
A	Semantic3D 噴水広場	屋外	静的LiDAR・untermaederbrunnen
B	Semantic3D 大聖堂	屋外	静的LiDAR・domfountain

3.3 実行上の注意

4. ソースコード

以下に8つのパターンのソースコードを掲載する。各パターンは独立して動作する。共通部分は同じ内容であり，パターン固有の処理部分との境界を区分している。

パターン1：読み込み＋表示

基本となるパターンである。データセットを読み込み，3D可視化ウィンドウで表示する。

# ════════════════════════════════════════
# パターン1：読み込み＋表示
# ════════════════════════════════════════

# ┌────────────────────────────────────┐
# │  共通部分：ライブラリインポート        │
# └────────────────────────────────────┘
import open3d as o3d, os, numpy as np, urllib.request as ur, pandas as pd

# ┌────────────────────────────────────┐
# │  共通部分：キャッシュディレクトリ設定  │
# └────────────────────────────────────┘
CACHE = os.path.expanduser("~/.cache/o3d_demo")
os.makedirs(CACHE, exist_ok=True)

# ┌────────────────────────────────────┐
# │  共通部分：データ取得関数              │
# └────────────────────────────────────┘
def fetch(url, fname):
    path = os.path.join(CACHE, fname)
    if not os.path.exists(path):
        print(f"  ダウンロード中: {fname} ...")
        ur.urlretrieve(url, path)
    return path

def load_fountain():
    d = o3d.data.SampleFountainRGBDImages()
    color = o3d.io.read_image(d.color_paths[0])
    depth = o3d.io.read_image(d.depth_paths[0])
    rgbd = o3d.geometry.RGBDImage.create_from_color_and_depth(
        color, depth, depth_trunc=4.0, convert_rgb_to_intensity=False)

    # PrimeSenseカメラの内部パラメータを使用
    intrinsic = o3d.camera.PinholeCameraIntrinsic(
        o3d.camera.PinholeCameraIntrinsicParameters.PrimeSenseDefault)

    return o3d.geometry.PointCloud.create_from_rgbd_image(rgbd, intrinsic)

S3D = "https://share.phys.ethz.ch/~pf/semantic3d/data/point-clouds/training1/"

def load_semantic3d(url, fname):
    import py7zr
    arc = fetch(url, fname)
    txt = os.path.join(CACHE, fname.replace(".7z", ".txt"))
    if not os.path.exists(txt):
        print(f"  解凍中: {fname} ...")
        with py7zr.SevenZipFile(arc, "r") as z:
            z.extractall(CACHE)
    print(f"  読み込み中（大規模データ）...")
    # 各行は x y z intensity r g b の7列
    df = pd.read_csv(txt, header=None, sep=r"\s+", dtype=np.float32)
    pcd = o3d.geometry.PointCloud()
    pcd.points = o3d.utility.Vector3dVector(df.iloc[:, :3].values)
    pcd.colors = o3d.utility.Vector3dVector(df.iloc[:, 4:7].values / 255.0)
    return pcd

# ┌────────────────────────────────────┐
# │  共通部分：データセット定義            │
# └────────────────────────────────────┘
PCL = "https://raw.githubusercontent.com/PointCloudLibrary/data/master/"
DATASETS = {
    "1": ("室内Redwood        (PCD・RGB色付き)",         lambda: o3d.io.read_point_cloud(o3d.data.PCDPointCloud().path), 0.02),
    "2": ("室内デモ            (PLY・切り出しデモ)",      lambda: o3d.io.read_point_cloud(o3d.data.DemoCropPointCloud().point_cloud_path), 0.02),
    "3": ("テーブルシーン      (PCD・Sick LMS400 LiDAR)", lambda: o3d.io.read_point_cloud(fetch(PCL + "tutorials/table_scene_lms400.pcd", "table_lms400.pcd")), 0.005),
    "4": ("リビングルーム      (PLY・Redwood RGB-D)",     lambda: o3d.io.read_point_cloud(o3d.data.LivingRoomPointClouds().paths[0]), 0.05),
    "5": ("Eagle屋外彫刻       (PLY・実計測)",            lambda: o3d.io.read_point_cloud(o3d.data.EaglePointCloud().path), 0.005),
    "6": ("屋外噴水            (RGB-D生成・ETH)",        lambda: load_fountain(), 0.02),
    "7": ("Armadillo           (Stanford 3Dスキャン)",    lambda: o3d.io.read_triangle_mesh(o3d.data.ArmadilloMesh().path).sample_points_poisson_disk(50000), 2.0),
    "8": ("Stanford Bunny      (Stanford 3Dスキャン)",    lambda: o3d.io.read_triangle_mesh(o3d.data.BunnyMesh().path).sample_points_poisson_disk(50000), 0.002),
    "9": ("Semantic3D 教会     (屋外・静的LiDAR)",       lambda: load_semantic3d(S3D + "bildstein_station1_xyz_intensity_rgb.7z",            "bildstein_station1_xyz_intensity_rgb.7z"), 0.1),
    "A": ("Semantic3D 噴水広場 (屋外・静的LiDAR)",       lambda: load_semantic3d(S3D + "untermaederbrunnen_station1_xyz_intensity_rgb.7z",   "untermaederbrunnen_station1_xyz_intensity_rgb.7z"), 0.1),
    "B": ("Semantic3D 大聖堂   (屋外・静的LiDAR)",       lambda: load_semantic3d(S3D + "domfountain_station3_xyz_intensity_rgb.7z",           "domfountain_station3_xyz_intensity_rgb.7z"), 0.1),
}

# ┌────────────────────────────────────┐
# │  共通部分：データセット選択と読み込み  │
# └────────────────────────────────────┘
print("データセット選択:\n" + "\n".join(f"  {k}: {v[0]}" for k, v in DATASETS.items()))
_, loader, voxel_size = DATASETS[input("番号: ").strip().upper()]
pcd = loader()
print(f"読み込み完了: {len(pcd.points)} 点")

# ┌────────────────────────────────────┐
# │  パターン1固有の処理：表示のみ        │
# └────────────────────────────────────┘
o3d.visualization.draw_geometries([pcd], window_name="元の点群")

パターン2：読み込み＋ダウンサンプリング＋表示

ボクセルダウンサンプリングにより点群を間引く。以降の処理が高速になる。

# ════════════════════════════════════════
# パターン2：読み込み＋ダウンサンプリング＋表示
# ════════════════════════════════════════

# ┌────────────────────────────────────┐
# │  共通部分：ライブラリインポート        │
# └────────────────────────────────────┘
import open3d as o3d, os, numpy as np, urllib.request as ur, pandas as pd

# ┌────────────────────────────────────┐
# │  共通部分：キャッシュディレクトリ設定  │
# └────────────────────────────────────┘
CACHE = os.path.expanduser("~/.cache/o3d_demo")
os.makedirs(CACHE, exist_ok=True)

# ┌────────────────────────────────────┐
# │  共通部分：データ取得関数              │
# └────────────────────────────────────┘
def fetch(url, fname):
    path = os.path.join(CACHE, fname)
    if not os.path.exists(path):
        print(f"  ダウンロード中: {fname} ...")
        ur.urlretrieve(url, path)
    return path

def load_fountain():
    d = o3d.data.SampleFountainRGBDImages()
    color = o3d.io.read_image(d.color_paths[0])
    depth = o3d.io.read_image(d.depth_paths[0])
    rgbd = o3d.geometry.RGBDImage.create_from_color_and_depth(
        color, depth, depth_trunc=4.0, convert_rgb_to_intensity=False)

    # PrimeSenseカメラの内部パラメータを使用
    intrinsic = o3d.camera.PinholeCameraIntrinsic(
        o3d.camera.PinholeCameraIntrinsicParameters.PrimeSenseDefault)

    return o3d.geometry.PointCloud.create_from_rgbd_image(rgbd, intrinsic)

S3D = "https://share.phys.ethz.ch/~pf/semantic3d/data/point-clouds/training1/"

def load_semantic3d(url, fname):
    import py7zr
    arc = fetch(url, fname)
    txt = os.path.join(CACHE, fname.replace(".7z", ".txt"))
    if not os.path.exists(txt):
        print(f"  解凍中: {fname} ...")
        with py7zr.SevenZipFile(arc, "r") as z:
            z.extractall(CACHE)
    print(f"  読み込み中（大規模データ）...")
    # 各行は x y z intensity r g b の7列
    df = pd.read_csv(txt, header=None, sep=r"\s+", dtype=np.float32)
    pcd = o3d.geometry.PointCloud()
    pcd.points = o3d.utility.Vector3dVector(df.iloc[:, :3].values)
    pcd.colors = o3d.utility.Vector3dVector(df.iloc[:, 4:7].values / 255.0)
    return pcd

# ┌────────────────────────────────────┐
# │  共通部分：データセット定義            │
# └────────────────────────────────────┘
PCL = "https://raw.githubusercontent.com/PointCloudLibrary/data/master/"
DATASETS = {
    "1": ("室内Redwood        (PCD・RGB色付き)",         lambda: o3d.io.read_point_cloud(o3d.data.PCDPointCloud().path), 0.02),
    "2": ("室内デモ            (PLY・切り出しデモ)",      lambda: o3d.io.read_point_cloud(o3d.data.DemoCropPointCloud().point_cloud_path), 0.02),
    "3": ("テーブルシーン      (PCD・Sick LMS400 LiDAR)", lambda: o3d.io.read_point_cloud(fetch(PCL + "tutorials/table_scene_lms400.pcd", "table_lms400.pcd")), 0.005),
    "4": ("リビングルーム      (PLY・Redwood RGB-D)",     lambda: o3d.io.read_point_cloud(o3d.data.LivingRoomPointClouds().paths[0]), 0.05),
    "5": ("Eagle屋外彫刻       (PLY・実計測)",            lambda: o3d.io.read_point_cloud(o3d.data.EaglePointCloud().path), 0.005),
    "6": ("屋外噴水            (RGB-D生成・ETH)",        lambda: load_fountain(), 0.02),
    "7": ("Armadillo           (Stanford 3Dスキャン)",    lambda: o3d.io.read_triangle_mesh(o3d.data.ArmadilloMesh().path).sample_points_poisson_disk(50000), 2.0),
    "8": ("Stanford Bunny      (Stanford 3Dスキャン)",    lambda: o3d.io.read_triangle_mesh(o3d.data.BunnyMesh().path).sample_points_poisson_disk(50000), 0.002),
    "9": ("Semantic3D 教会     (屋外・静的LiDAR)",       lambda: load_semantic3d(S3D + "bildstein_station1_xyz_intensity_rgb.7z",            "bildstein_station1_xyz_intensity_rgb.7z"), 0.1),
    "A": ("Semantic3D 噴水広場 (屋外・静的LiDAR)",       lambda: load_semantic3d(S3D + "untermaederbrunnen_station1_xyz_intensity_rgb.7z",   "untermaederbrunnen_station1_xyz_intensity_rgb.7z"), 0.1),
    "B": ("Semantic3D 大聖堂   (屋外・静的LiDAR)",       lambda: load_semantic3d(S3D + "domfountain_station3_xyz_intensity_rgb.7z",           "domfountain_station3_xyz_intensity_rgb.7z"), 0.1),
}

# ┌────────────────────────────────────┐
# │  共通部分：データセット選択と読み込み  │
# └────────────────────────────────────┘
print("データセット選択:\n" + "\n".join(f"  {k}: {v[0]}" for k, v in DATASETS.items()))
_, loader, voxel_size = DATASETS[input("番号: ").strip().upper()]
pcd = loader()
print(f"読み込み完了: {len(pcd.points)} 点")

# ┌────────────────────────────────────┐
# │  パターン2固有の処理：ダウンサンプリング  │
# └────────────────────────────────────┘
pcd = pcd.voxel_down_sample(voxel_size)
print(f"ダウンサンプリング後: {len(pcd.points)} 点")
o3d.visualization.draw_geometries([pcd], window_name="ダウンサンプリング後")

パターン3：読み込み＋外れ値除去＋表示

統計的外れ値除去により，ノイズ点を除く。

# ════════════════════════════════════════
# パターン3：読み込み＋外れ値除去＋表示
# ════════════════════════════════════════

# ┌────────────────────────────────────┐
# │  共通部分：ライブラリインポート        │
# └────────────────────────────────────┘
import open3d as o3d, os, numpy as np, urllib.request as ur, pandas as pd

# ┌────────────────────────────────────┐
# │  共通部分：キャッシュディレクトリ設定  │
# └────────────────────────────────────┘
CACHE = os.path.expanduser("~/.cache/o3d_demo")
os.makedirs(CACHE, exist_ok=True)

# ┌────────────────────────────────────┐
# │  共通部分：データ取得関数              │
# └────────────────────────────────────┘
def fetch(url, fname):
    path = os.path.join(CACHE, fname)
    if not os.path.exists(path):
        print(f"  ダウンロード中: {fname} ...")
        ur.urlretrieve(url, path)
    return path

def load_fountain():
    d = o3d.data.SampleFountainRGBDImages()
    color = o3d.io.read_image(d.color_paths[0])
    depth = o3d.io.read_image(d.depth_paths[0])
    rgbd = o3d.geometry.RGBDImage.create_from_color_and_depth(
        color, depth, depth_trunc=4.0, convert_rgb_to_intensity=False)

    # PrimeSenseカメラの内部パラメータを使用
    intrinsic = o3d.camera.PinholeCameraIntrinsic(
        o3d.camera.PinholeCameraIntrinsicParameters.PrimeSenseDefault)

    return o3d.geometry.PointCloud.create_from_rgbd_image(rgbd, intrinsic)

S3D = "https://share.phys.ethz.ch/~pf/semantic3d/data/point-clouds/training1/"

def load_semantic3d(url, fname):
    import py7zr
    arc = fetch(url, fname)
    txt = os.path.join(CACHE, fname.replace(".7z", ".txt"))
    if not os.path.exists(txt):
        print(f"  解凍中: {fname} ...")
        with py7zr.SevenZipFile(arc, "r") as z:
            z.extractall(CACHE)
    print(f"  読み込み中（大規模データ）...")
    # 各行は x y z intensity r g b の7列
    df = pd.read_csv(txt, header=None, sep=r"\s+", dtype=np.float32)
    pcd = o3d.geometry.PointCloud()
    pcd.points = o3d.utility.Vector3dVector(df.iloc[:, :3].values)
    pcd.colors = o3d.utility.Vector3dVector(df.iloc[:, 4:7].values / 255.0)
    return pcd

# ┌────────────────────────────────────┐
# │  共通部分：データセット定義            │
# └────────────────────────────────────┘
PCL = "https://raw.githubusercontent.com/PointCloudLibrary/data/master/"
DATASETS = {
    "1": ("室内Redwood        (PCD・RGB色付き)",         lambda: o3d.io.read_point_cloud(o3d.data.PCDPointCloud().path), 0.02),
    "2": ("室内デモ            (PLY・切り出しデモ)",      lambda: o3d.io.read_point_cloud(o3d.data.DemoCropPointCloud().point_cloud_path), 0.02),
    "3": ("テーブルシーン      (PCD・Sick LMS400 LiDAR)", lambda: o3d.io.read_point_cloud(fetch(PCL + "tutorials/table_scene_lms400.pcd", "table_lms400.pcd")), 0.005),
    "4": ("リビングルーム      (PLY・Redwood RGB-D)",     lambda: o3d.io.read_point_cloud(o3d.data.LivingRoomPointClouds().paths[0]), 0.05),
    "5": ("Eagle屋外彫刻       (PLY・実計測)",            lambda: o3d.io.read_point_cloud(o3d.data.EaglePointCloud().path), 0.005),
    "6": ("屋外噴水            (RGB-D生成・ETH)",        lambda: load_fountain(), 0.02),
    "7": ("Armadillo           (Stanford 3Dスキャン)",    lambda: o3d.io.read_triangle_mesh(o3d.data.ArmadilloMesh().path).sample_points_poisson_disk(50000), 2.0),
    "8": ("Stanford Bunny      (Stanford 3Dスキャン)",    lambda: o3d.io.read_triangle_mesh(o3d.data.BunnyMesh().path).sample_points_poisson_disk(50000), 0.002),
    "9": ("Semantic3D 教会     (屋外・静的LiDAR)",       lambda: load_semantic3d(S3D + "bildstein_station1_xyz_intensity_rgb.7z",            "bildstein_station1_xyz_intensity_rgb.7z"), 0.1),
    "A": ("Semantic3D 噴水広場 (屋外・静的LiDAR)",       lambda: load_semantic3d(S3D + "untermaederbrunnen_station1_xyz_intensity_rgb.7z",   "untermaederbrunnen_station1_xyz_intensity_rgb.7z"), 0.1),
    "B": ("Semantic3D 大聖堂   (屋外・静的LiDAR)",       lambda: load_semantic3d(S3D + "domfountain_station3_xyz_intensity_rgb.7z",           "domfountain_station3_xyz_intensity_rgb.7z"), 0.1),
}

# ┌────────────────────────────────────┐
# │  共通部分：データセット選択と読み込み  │
# └────────────────────────────────────┘
print("データセット選択:\n" + "\n".join(f"  {k}: {v[0]}" for k, v in DATASETS.items()))
_, loader, voxel_size = DATASETS[input("番号: ").strip().upper()]
pcd = loader()
print(f"読み込み完了: {len(pcd.points)} 点")

# ┌────────────────────────────────────┐
# │  パターン3固有の処理：外れ値除去      │
# └────────────────────────────────────┘
pcd, _ = pcd.remove_statistical_outlier(nb_neighbors=20, std_ratio=2.0)
print(f"外れ値除去後: {len(pcd.points)} 点")
o3d.visualization.draw_geometries([pcd], window_name="外れ値除去後")

パターン4：読み込み＋法線推定＋結果表示

主成分分析（共分散行列の固有値分解）により各点の法線方向を推定し，表示する。法線はポリゴン変換の前処理として使う。

# ════════════════════════════════════════
# パターン4：読み込み＋法線推定＋結果表示
# ════════════════════════════════════════

# ┌────────────────────────────────────┐
# │  共通部分：ライブラリインポート        │
# └────────────────────────────────────┘
import open3d as o3d, os, numpy as np, urllib.request as ur, pandas as pd

# ┌────────────────────────────────────┐
# │  共通部分：キャッシュディレクトリ設定  │
# └────────────────────────────────────┘
CACHE = os.path.expanduser("~/.cache/o3d_demo")
os.makedirs(CACHE, exist_ok=True)

# ┌────────────────────────────────────┐
# │  共通部分：データ取得関数              │
# └────────────────────────────────────┘
def fetch(url, fname):
    path = os.path.join(CACHE, fname)
    if not os.path.exists(path):
        print(f"  ダウンロード中: {fname} ...")
        ur.urlretrieve(url, path)
    return path

def load_fountain():
    d = o3d.data.SampleFountainRGBDImages()
    color = o3d.io.read_image(d.color_paths[0])
    depth = o3d.io.read_image(d.depth_paths[0])
    rgbd = o3d.geometry.RGBDImage.create_from_color_and_depth(
        color, depth, depth_trunc=4.0, convert_rgb_to_intensity=False)

    # PrimeSenseカメラの内部パラメータを使用
    intrinsic = o3d.camera.PinholeCameraIntrinsic(
        o3d.camera.PinholeCameraIntrinsicParameters.PrimeSenseDefault)

    return o3d.geometry.PointCloud.create_from_rgbd_image(rgbd, intrinsic)

S3D = "https://share.phys.ethz.ch/~pf/semantic3d/data/point-clouds/training1/"

def load_semantic3d(url, fname):
    import py7zr
    arc = fetch(url, fname)
    txt = os.path.join(CACHE, fname.replace(".7z", ".txt"))
    if not os.path.exists(txt):
        print(f"  解凍中: {fname} ...")
        with py7zr.SevenZipFile(arc, "r") as z:
            z.extractall(CACHE)
    print(f"  読み込み中（大規模データ）...")
    # 各行は x y z intensity r g b の7列
    df = pd.read_csv(txt, header=None, sep=r"\s+", dtype=np.float32)
    pcd = o3d.geometry.PointCloud()
    pcd.points = o3d.utility.Vector3dVector(df.iloc[:, :3].values)
    pcd.colors = o3d.utility.Vector3dVector(df.iloc[:, 4:7].values / 255.0)
    return pcd

# ┌────────────────────────────────────┐
# │  共通部分：データセット定義            │
# └────────────────────────────────────┘
PCL = "https://raw.githubusercontent.com/PointCloudLibrary/data/master/"
DATASETS = {
    "1": ("室内Redwood        (PCD・RGB色付き)",         lambda: o3d.io.read_point_cloud(o3d.data.PCDPointCloud().path), 0.02),
    "2": ("室内デモ            (PLY・切り出しデモ)",      lambda: o3d.io.read_point_cloud(o3d.data.DemoCropPointCloud().point_cloud_path), 0.02),
    "3": ("テーブルシーン      (PCD・Sick LMS400 LiDAR)", lambda: o3d.io.read_point_cloud(fetch(PCL + "tutorials/table_scene_lms400.pcd", "table_lms400.pcd")), 0.005),
    "4": ("リビングルーム      (PLY・Redwood RGB-D)",     lambda: o3d.io.read_point_cloud(o3d.data.LivingRoomPointClouds().paths[0]), 0.05),
    "5": ("Eagle屋外彫刻       (PLY・実計測)",            lambda: o3d.io.read_point_cloud(o3d.data.EaglePointCloud().path), 0.005),
    "6": ("屋外噴水            (RGB-D生成・ETH)",        lambda: load_fountain(), 0.02),
    "7": ("Armadillo           (Stanford 3Dスキャン)",    lambda: o3d.io.read_triangle_mesh(o3d.data.ArmadilloMesh().path).sample_points_poisson_disk(50000), 2.0),
    "8": ("Stanford Bunny      (Stanford 3Dスキャン)",    lambda: o3d.io.read_triangle_mesh(o3d.data.BunnyMesh().path).sample_points_poisson_disk(50000), 0.002),
    "9": ("Semantic3D 教会     (屋外・静的LiDAR)",       lambda: load_semantic3d(S3D + "bildstein_station1_xyz_intensity_rgb.7z",            "bildstein_station1_xyz_intensity_rgb.7z"), 0.1),
    "A": ("Semantic3D 噴水広場 (屋外・静的LiDAR)",       lambda: load_semantic3d(S3D + "untermaederbrunnen_station1_xyz_intensity_rgb.7z",   "untermaederbrunnen_station1_xyz_intensity_rgb.7z"), 0.1),
    "B": ("Semantic3D 大聖堂   (屋外・静的LiDAR)",       lambda: load_semantic3d(S3D + "domfountain_station3_xyz_intensity_rgb.7z",           "domfountain_station3_xyz_intensity_rgb.7z"), 0.1),
}

# ┌────────────────────────────────────┐
# │  共通部分：データセット選択と読み込み  │
# └────────────────────────────────────┘
print("データセット選択:\n" + "\n".join(f"  {k}: {v[0]}" for k, v in DATASETS.items()))
_, loader, voxel_size = DATASETS[input("番号: ").strip().upper()]
pcd = loader()
print(f"読み込み完了: {len(pcd.points)} 点")

# ┌────────────────────────────────────┐
# │  パターン4固有の処理：法線推定        │
# └────────────────────────────────────┘
pcd = pcd.voxel_down_sample(voxel_size)
pcd.estimate_normals(o3d.geometry.KDTreeSearchParamHybrid(radius=voxel_size * 5, max_nn=30))
pcd.orient_normals_consistent_tangent_plane(100)
o3d.visualization.draw_geometries([pcd], window_name="法線推定後", point_show_normal=True)

パターン5：読み込み＋ポリゴン変換＋確認表示

点群からポリゴンメッシュを生成する。Alpha Shape，Ball Pivoting，Poisson の3つの手法を順に実行し，結果を比較できる。

# ════════════════════════════════════════
# パターン5：読み込み＋ポリゴン変換＋確認表示
# ════════════════════════════════════════

# ┌────────────────────────────────────┐
# │  共通部分：ライブラリインポート        │
# └────────────────────────────────────┘
import open3d as o3d, os, numpy as np, urllib.request as ur, pandas as pd

# ┌────────────────────────────────────┐
# │  共通部分：キャッシュディレクトリ設定  │
# └────────────────────────────────────┘
CACHE = os.path.expanduser("~/.cache/o3d_demo")
os.makedirs(CACHE, exist_ok=True)

# ┌────────────────────────────────────┐
# │  共通部分：データ取得関数              │
# └────────────────────────────────────┘
def fetch(url, fname):
    path = os.path.join(CACHE, fname)
    if not os.path.exists(path):
        print(f"  ダウンロード中: {fname} ...")
        ur.urlretrieve(url, path)
    return path

def load_fountain():
    d = o3d.data.SampleFountainRGBDImages()
    color = o3d.io.read_image(d.color_paths[0])
    depth = o3d.io.read_image(d.depth_paths[0])
    rgbd = o3d.geometry.RGBDImage.create_from_color_and_depth(
        color, depth, depth_trunc=4.0, convert_rgb_to_intensity=False)

    # PrimeSenseカメラの内部パラメータを使用
    intrinsic = o3d.camera.PinholeCameraIntrinsic(
        o3d.camera.PinholeCameraIntrinsicParameters.PrimeSenseDefault)

    return o3d.geometry.PointCloud.create_from_rgbd_image(rgbd, intrinsic)

S3D = "https://share.phys.ethz.ch/~pf/semantic3d/data/point-clouds/training1/"

def load_semantic3d(url, fname):
    import py7zr
    arc = fetch(url, fname)
    txt = os.path.join(CACHE, fname.replace(".7z", ".txt"))
    if not os.path.exists(txt):
        print(f"  解凍中: {fname} ...")
        with py7zr.SevenZipFile(arc, "r") as z:
            z.extractall(CACHE)
    print(f"  読み込み中（大規模データ）...")
    # 各行は x y z intensity r g b の7列
    df = pd.read_csv(txt, header=None, sep=r"\s+", dtype=np.float32)
    pcd = o3d.geometry.PointCloud()
    pcd.points = o3d.utility.Vector3dVector(df.iloc[:, :3].values)
    pcd.colors = o3d.utility.Vector3dVector(df.iloc[:, 4:7].values / 255.0)
    return pcd

# ┌────────────────────────────────────┐
# │  共通部分：データセット定義            │
# └────────────────────────────────────┘
PCL = "https://raw.githubusercontent.com/PointCloudLibrary/data/master/"
DATASETS = {
    "1": ("室内Redwood        (PCD・RGB色付き)",         lambda: o3d.io.read_point_cloud(o3d.data.PCDPointCloud().path), 0.02),
    "2": ("室内デモ            (PLY・切り出しデモ)",      lambda: o3d.io.read_point_cloud(o3d.data.DemoCropPointCloud().point_cloud_path), 0.02),
    "3": ("テーブルシーン      (PCD・Sick LMS400 LiDAR)", lambda: o3d.io.read_point_cloud(fetch(PCL + "tutorials/table_scene_lms400.pcd", "table_lms400.pcd")), 0.005),
    "4": ("リビングルーム      (PLY・Redwood RGB-D)",     lambda: o3d.io.read_point_cloud(o3d.data.LivingRoomPointClouds().paths[0]), 0.05),
    "5": ("Eagle屋外彫刻       (PLY・実計測)",            lambda: o3d.io.read_point_cloud(o3d.data.EaglePointCloud().path), 0.005),
    "6": ("屋外噴水            (RGB-D生成・ETH)",        lambda: load_fountain(), 0.02),
    "7": ("Armadillo           (Stanford 3Dスキャン)",    lambda: o3d.io.read_triangle_mesh(o3d.data.ArmadilloMesh().path).sample_points_poisson_disk(50000), 2.0),
    "8": ("Stanford Bunny      (Stanford 3Dスキャン)",    lambda: o3d.io.read_triangle_mesh(o3d.data.BunnyMesh().path).sample_points_poisson_disk(50000), 0.002),
    "9": ("Semantic3D 教会     (屋外・静的LiDAR)",       lambda: load_semantic3d(S3D + "bildstein_station1_xyz_intensity_rgb.7z",            "bildstein_station1_xyz_intensity_rgb.7z"), 0.1),
    "A": ("Semantic3D 噴水広場 (屋外・静的LiDAR)",       lambda: load_semantic3d(S3D + "untermaederbrunnen_station1_xyz_intensity_rgb.7z",   "untermaederbrunnen_station1_xyz_intensity_rgb.7z"), 0.1),
    "B": ("Semantic3D 大聖堂   (屋外・静的LiDAR)",       lambda: load_semantic3d(S3D + "domfountain_station3_xyz_intensity_rgb.7z",           "domfountain_station3_xyz_intensity_rgb.7z"), 0.1),
}

# ┌────────────────────────────────────┐
# │  共通部分：データセット選択と読み込み  │
# └────────────────────────────────────┘
print("データセット選択:\n" + "\n".join(f"  {k}: {v[0]}" for k, v in DATASETS.items()))
_, loader, voxel_size = DATASETS[input("番号: ").strip().upper()]
pcd = loader()
print(f"読み込み完了: {len(pcd.points)} 点")

# ┌────────────────────────────────────────────────┐
# │  パターン5固有の処理：前処理＋ポリゴン変換（3手法） │
# └────────────────────────────────────────────────┘
pcd = pcd.voxel_down_sample(voxel_size)
pcd, _ = pcd.remove_statistical_outlier(nb_neighbors=20, std_ratio=2.0)
pcd.estimate_normals(o3d.geometry.KDTreeSearchParamHybrid(radius=voxel_size * 5, max_nn=30))
pcd.orient_normals_consistent_tangent_plane(100)

def transfer_colors(src, mesh):
    if not src.has_colors():
        return
    kd = o3d.geometry.KDTreeFlann(src)
    cols = np.asarray(src.colors)
    vcols = np.array([cols[kd.search_knn_vector_3d(v, 1)[1][0]]
                      for v in np.asarray(mesh.vertices)])
    mesh.vertex_colors = o3d.utility.Vector3dVector(vcols)

mesh_a = o3d.geometry.TriangleMesh.create_from_point_cloud_alpha_shape(pcd, alpha=voxel_size * 5)
mesh_a.compute_vertex_normals()
print(f"Alpha Shape: {len(mesh_a.vertices)} 頂点, {len(mesh_a.triangles)} 三角形")
o3d.visualization.draw_geometries([mesh_a], window_name="Alpha Shape")

radii = o3d.utility.DoubleVector([voxel_size * 2.5, voxel_size * 5, voxel_size * 10])
mesh_b = o3d.geometry.TriangleMesh.create_from_point_cloud_ball_pivoting(pcd, radii)
mesh_b.compute_vertex_normals()
print(f"Ball Pivoting: {len(mesh_b.vertices)} 頂点, {len(mesh_b.triangles)} 三角形")
o3d.visualization.draw_geometries([mesh_b], window_name="Ball Pivoting")

mesh_p, _ = o3d.geometry.TriangleMesh.create_from_point_cloud_poisson(pcd, depth=9)
mesh_p.compute_vertex_normals()
transfer_colors(pcd, mesh_p)
print(f"Poisson: {len(mesh_p.vertices)} 頂点, {len(mesh_p.triangles)} 三角形")
o3d.visualization.draw_geometries([mesh_p], window_name="Poisson (depth=9)")

パターン6：読み込み＋Convex Hull＋確認表示

点群の凸包（全点を包含する最小の凸多面体）を計算し，赤色のワイヤーフレームで表示する。

# ════════════════════════════════════════
# パターン6：読み込み＋Convex Hull＋確認表示
# ════════════════════════════════════════

# ┌────────────────────────────────────┐
# │  共通部分：ライブラリインポート        │
# └────────────────────────────────────┘
import open3d as o3d, os, numpy as np, urllib.request as ur, pandas as pd

# ┌────────────────────────────────────┐
# │  共通部分：キャッシュディレクトリ設定  │
# └────────────────────────────────────┘
CACHE = os.path.expanduser("~/.cache/o3d_demo")
os.makedirs(CACHE, exist_ok=True)

# ┌────────────────────────────────────┐
# │  共通部分：データ取得関数              │
# └────────────────────────────────────┘
def fetch(url, fname):
    path = os.path.join(CACHE, fname)
    if not os.path.exists(path):
        print(f"  ダウンロード中: {fname} ...")
        ur.urlretrieve(url, path)
    return path

def load_fountain():
    d = o3d.data.SampleFountainRGBDImages()
    color = o3d.io.read_image(d.color_paths[0])
    depth = o3d.io.read_image(d.depth_paths[0])
    rgbd = o3d.geometry.RGBDImage.create_from_color_and_depth(
        color, depth, depth_trunc=4.0, convert_rgb_to_intensity=False)

    # PrimeSenseカメラの内部パラメータを使用
    intrinsic = o3d.camera.PinholeCameraIntrinsic(
        o3d.camera.PinholeCameraIntrinsicParameters.PrimeSenseDefault)

    return o3d.geometry.PointCloud.create_from_rgbd_image(rgbd, intrinsic)

S3D = "https://share.phys.ethz.ch/~pf/semantic3d/data/point-clouds/training1/"

def load_semantic3d(url, fname):
    import py7zr
    arc = fetch(url, fname)
    txt = os.path.join(CACHE, fname.replace(".7z", ".txt"))
    if not os.path.exists(txt):
        print(f"  解凍中: {fname} ...")
        with py7zr.SevenZipFile(arc, "r") as z:
            z.extractall(CACHE)
    print(f"  読み込み中（大規模データ）...")
    # 各行は x y z intensity r g b の7列
    df = pd.read_csv(txt, header=None, sep=r"\s+", dtype=np.float32)
    pcd = o3d.geometry.PointCloud()
    pcd.points = o3d.utility.Vector3dVector(df.iloc[:, :3].values)
    pcd.colors = o3d.utility.Vector3dVector(df.iloc[:, 4:7].values / 255.0)
    return pcd

# ┌────────────────────────────────────┐
# │  共通部分：データセット定義            │
# └────────────────────────────────────┘
PCL = "https://raw.githubusercontent.com/PointCloudLibrary/data/master/"
DATASETS = {
    "1": ("室内Redwood        (PCD・RGB色付き)",         lambda: o3d.io.read_point_cloud(o3d.data.PCDPointCloud().path), 0.02),
    "2": ("室内デモ            (PLY・切り出しデモ)",      lambda: o3d.io.read_point_cloud(o3d.data.DemoCropPointCloud().point_cloud_path), 0.02),
    "3": ("テーブルシーン      (PCD・Sick LMS400 LiDAR)", lambda: o3d.io.read_point_cloud(fetch(PCL + "tutorials/table_scene_lms400.pcd", "table_lms400.pcd")), 0.005),
    "4": ("リビングルーム      (PLY・Redwood RGB-D)",     lambda: o3d.io.read_point_cloud(o3d.data.LivingRoomPointClouds().paths[0]), 0.05),
    "5": ("Eagle屋外彫刻       (PLY・実計測)",            lambda: o3d.io.read_point_cloud(o3d.data.EaglePointCloud().path), 0.005),
    "6": ("屋外噴水            (RGB-D生成・ETH)",        lambda: load_fountain(), 0.02),
    "7": ("Armadillo           (Stanford 3Dスキャン)",    lambda: o3d.io.read_triangle_mesh(o3d.data.ArmadilloMesh().path).sample_points_poisson_disk(50000), 2.0),
    "8": ("Stanford Bunny      (Stanford 3Dスキャン)",    lambda: o3d.io.read_triangle_mesh(o3d.data.BunnyMesh().path).sample_points_poisson_disk(50000), 0.002),
    "9": ("Semantic3D 教会     (屋外・静的LiDAR)",       lambda: load_semantic3d(S3D + "bildstein_station1_xyz_intensity_rgb.7z",            "bildstein_station1_xyz_intensity_rgb.7z"), 0.1),
    "A": ("Semantic3D 噴水広場 (屋外・静的LiDAR)",       lambda: load_semantic3d(S3D + "untermaederbrunnen_station1_xyz_intensity_rgb.7z",   "untermaederbrunnen_station1_xyz_intensity_rgb.7z"), 0.1),
    "B": ("Semantic3D 大聖堂   (屋外・静的LiDAR)",       lambda: load_semantic3d(S3D + "domfountain_station3_xyz_intensity_rgb.7z",           "domfountain_station3_xyz_intensity_rgb.7z"), 0.1),
}

# ┌────────────────────────────────────┐
# │  共通部分：データセット選択と読み込み  │
# └────────────────────────────────────┘
print("データセット選択:\n" + "\n".join(f"  {k}: {v[0]}" for k, v in DATASETS.items()))
_, loader, voxel_size = DATASETS[input("番号: ").strip().upper()]
pcd = loader()
print(f"読み込み完了: {len(pcd.points)} 点")

# ┌────────────────────────────────────┐
# │  パターン6固有の処理：Convex Hull     │
# └────────────────────────────────────┘
pcd = pcd.voxel_down_sample(voxel_size)
pcd, _ = pcd.remove_statistical_outlier(nb_neighbors=20, std_ratio=2.0)
hull, _ = pcd.compute_convex_hull()
hull_ls = o3d.geometry.LineSet.create_from_triangle_mesh(hull)
hull_ls.paint_uniform_color((1, 0, 0))
print(f"Convex Hull: {len(hull.vertices)} 頂点, {len(hull.triangles)} 三角形")
o3d.visualization.draw_geometries([pcd, hull_ls], window_name="Convex Hull")

パターン7：読み込み＋平面抽出（RANSAC）＋確認表示

RANSAC により点群から平面を検出し，平面内の点（赤色）と平面外の点（元の色）を分けて表示する。

# ════════════════════════════════════════
# パターン7：読み込み＋平面抽出（RANSAC）＋確認表示
# ════════════════════════════════════════

# ┌────────────────────────────────────┐
# │  共通部分：ライブラリインポート        │
# └────────────────────────────────────┘
import open3d as o3d, os, numpy as np, urllib.request as ur, pandas as pd

# ┌────────────────────────────────────┐
# │  共通部分：キャッシュディレクトリ設定  │
# └────────────────────────────────────┘
CACHE = os.path.expanduser("~/.cache/o3d_demo")
os.makedirs(CACHE, exist_ok=True)

# ┌────────────────────────────────────┐
# │  共通部分：データ取得関数              │
# └────────────────────────────────────┘
def fetch(url, fname):
    path = os.path.join(CACHE, fname)
    if not os.path.exists(path):
        print(f"  ダウンロード中: {fname} ...")
        ur.urlretrieve(url, path)
    return path

def load_fountain():
    d = o3d.data.SampleFountainRGBDImages()
    color = o3d.io.read_image(d.color_paths[0])
    depth = o3d.io.read_image(d.depth_paths[0])
    rgbd = o3d.geometry.RGBDImage.create_from_color_and_depth(
        color, depth, depth_trunc=4.0, convert_rgb_to_intensity=False)

    # PrimeSenseカメラの内部パラメータを使用
    intrinsic = o3d.camera.PinholeCameraIntrinsic(
        o3d.camera.PinholeCameraIntrinsicParameters.PrimeSenseDefault)

    return o3d.geometry.PointCloud.create_from_rgbd_image(rgbd, intrinsic)

S3D = "https://share.phys.ethz.ch/~pf/semantic3d/data/point-clouds/training1/"

def load_semantic3d(url, fname):
    import py7zr
    arc = fetch(url, fname)
    txt = os.path.join(CACHE, fname.replace(".7z", ".txt"))
    if not os.path.exists(txt):
        print(f"  解凍中: {fname} ...")
        with py7zr.SevenZipFile(arc, "r") as z:
            z.extractall(CACHE)
    print(f"  読み込み中（大規模データ）...")
    # 各行は x y z intensity r g b の7列
    df = pd.read_csv(txt, header=None, sep=r"\s+", dtype=np.float32)
    pcd = o3d.geometry.PointCloud()
    pcd.points = o3d.utility.Vector3dVector(df.iloc[:, :3].values)
    pcd.colors = o3d.utility.Vector3dVector(df.iloc[:, 4:7].values / 255.0)
    return pcd

# ┌────────────────────────────────────┐
# │  共通部分：データセット定義            │
# └────────────────────────────────────┘
PCL = "https://raw.githubusercontent.com/PointCloudLibrary/data/master/"
DATASETS = {
    "1": ("室内Redwood        (PCD・RGB色付き)",         lambda: o3d.io.read_point_cloud(o3d.data.PCDPointCloud().path), 0.02),
    "2": ("室内デモ            (PLY・切り出しデモ)",      lambda: o3d.io.read_point_cloud(o3d.data.DemoCropPointCloud().point_cloud_path), 0.02),
    "3": ("テーブルシーン      (PCD・Sick LMS400 LiDAR)", lambda: o3d.io.read_point_cloud(fetch(PCL + "tutorials/table_scene_lms400.pcd", "table_lms400.pcd")), 0.005),
    "4": ("リビングルーム      (PLY・Redwood RGB-D)",     lambda: o3d.io.read_point_cloud(o3d.data.LivingRoomPointClouds().paths[0]), 0.05),
    "5": ("Eagle屋外彫刻       (PLY・実計測)",            lambda: o3d.io.read_point_cloud(o3d.data.EaglePointCloud().path), 0.005),
    "6": ("屋外噴水            (RGB-D生成・ETH)",        lambda: load_fountain(), 0.02),
    "7": ("Armadillo           (Stanford 3Dスキャン)",    lambda: o3d.io.read_triangle_mesh(o3d.data.ArmadilloMesh().path).sample_points_poisson_disk(50000), 2.0),
    "8": ("Stanford Bunny      (Stanford 3Dスキャン)",    lambda: o3d.io.read_triangle_mesh(o3d.data.BunnyMesh().path).sample_points_poisson_disk(50000), 0.002),
    "9": ("Semantic3D 教会     (屋外・静的LiDAR)",       lambda: load_semantic3d(S3D + "bildstein_station1_xyz_intensity_rgb.7z",            "bildstein_station1_xyz_intensity_rgb.7z"), 0.1),
    "A": ("Semantic3D 噴水広場 (屋外・静的LiDAR)",       lambda: load_semantic3d(S3D + "untermaederbrunnen_station1_xyz_intensity_rgb.7z",   "untermaederbrunnen_station1_xyz_intensity_rgb.7z"), 0.1),
    "B": ("Semantic3D 大聖堂   (屋外・静的LiDAR)",       lambda: load_semantic3d(S3D + "domfountain_station3_xyz_intensity_rgb.7z",           "domfountain_station3_xyz_intensity_rgb.7z"), 0.1),
}

# ┌────────────────────────────────────┐
# │  共通部分：データセット選択と読み込み  │
# └────────────────────────────────────┘
print("データセット選択:\n" + "\n".join(f"  {k}: {v[0]}" for k, v in DATASETS.items()))
_, loader, voxel_size = DATASETS[input("番号: ").strip().upper()]
pcd = loader()
print(f"読み込み完了: {len(pcd.points)} 点")

# ┌────────────────────────────────────┐
# │  パターン7固有の処理：平面抽出（RANSAC）│
# └────────────────────────────────────┘
plane_model, inliers = pcd.segment_plane(
    distance_threshold=voxel_size * 0.5, ransac_n=3, num_iterations=1000)
[a, b, c, d] = plane_model
print(f"平面方程式: {a:.2f}x + {b:.2f}y + {c:.2f}z + {d:.2f} = 0")
print(f"平面内点数: {len(inliers)}, 平面外点数: {len(pcd.points) - len(inliers)}")
inlier_cloud = pcd.select_by_index(inliers)
inlier_cloud.paint_uniform_color([1.0, 0, 0])
outlier_cloud = pcd.select_by_index(inliers, invert=True)
o3d.visualization.draw_geometries([inlier_cloud, outlier_cloud], window_name="平面抽出（RANSAC）")

パターン8：読み込み＋DBSCANクラスタリング＋確認表示

DBSCAN 密度ベースクラスタリングにより点群を複数のクラスタに分け，クラスタごとに異なる色で表示する。ノイズ点は黒色で表示される。

# ════════════════════════════════════════
# パターン8：読み込み＋DBSCANクラスタリング＋確認表示
# ════════════════════════════════════════

# ┌────────────────────────────────────┐
# │  共通部分：ライブラリインポート        │
# └────────────────────────────────────┘
import open3d as o3d, os, numpy as np, urllib.request as ur, pandas as pd, matplotlib.pyplot as plt

# ┌────────────────────────────────────┐
# │  共通部分：キャッシュディレクトリ設定  │
# └────────────────────────────────────┘
CACHE = os.path.expanduser("~/.cache/o3d_demo")
os.makedirs(CACHE, exist_ok=True)

# ┌────────────────────────────────────┐
# │  共通部分：データ取得関数              │
# └────────────────────────────────────┘
def fetch(url, fname):
    path = os.path.join(CACHE, fname)
    if not os.path.exists(path):
        print(f"  ダウンロード中: {fname} ...")
        ur.urlretrieve(url, path)
    return path

def load_fountain():
    d = o3d.data.SampleFountainRGBDImages()
    color = o3d.io.read_image(d.color_paths[0])
    depth = o3d.io.read_image(d.depth_paths[0])
    rgbd = o3d.geometry.RGBDImage.create_from_color_and_depth(
        color, depth, depth_trunc=4.0, convert_rgb_to_intensity=False)

    # PrimeSenseカメラの内部パラメータを使用
    intrinsic = o3d.camera.PinholeCameraIntrinsic(
        o3d.camera.PinholeCameraIntrinsicParameters.PrimeSenseDefault)

    return o3d.geometry.PointCloud.create_from_rgbd_image(rgbd, intrinsic)

S3D = "https://share.phys.ethz.ch/~pf/semantic3d/data/point-clouds/training1/"

def load_semantic3d(url, fname):
    import py7zr
    arc = fetch(url, fname)
    txt = os.path.join(CACHE, fname.replace(".7z", ".txt"))
    if not os.path.exists(txt):
        print(f"  解凍中: {fname} ...")
        with py7zr.SevenZipFile(arc, "r") as z:
            z.extractall(CACHE)
    print(f"  読み込み中（大規模データ）...")
    # 各行は x y z intensity r g b の7列
    df = pd.read_csv(txt, header=None, sep=r"\s+", dtype=np.float32)
    pcd = o3d.geometry.PointCloud()
    pcd.points = o3d.utility.Vector3dVector(df.iloc[:, :3].values)
    pcd.colors = o3d.utility.Vector3dVector(df.iloc[:, 4:7].values / 255.0)
    return pcd

# ┌────────────────────────────────────┐
# │  共通部分：データセット定義            │
# └────────────────────────────────────┘
PCL = "https://raw.githubusercontent.com/PointCloudLibrary/data/master/"
DATASETS = {
    "1": ("室内Redwood        (PCD・RGB色付き)",         lambda: o3d.io.read_point_cloud(o3d.data.PCDPointCloud().path), 0.02),
    "2": ("室内デモ            (PLY・切り出しデモ)",      lambda: o3d.io.read_point_cloud(o3d.data.DemoCropPointCloud().point_cloud_path), 0.02),
    "3": ("テーブルシーン      (PCD・Sick LMS400 LiDAR)", lambda: o3d.io.read_point_cloud(fetch(PCL + "tutorials/table_scene_lms400.pcd", "table_lms400.pcd")), 0.005),
    "4": ("リビングルーム      (PLY・Redwood RGB-D)",     lambda: o3d.io.read_point_cloud(o3d.data.LivingRoomPointClouds().paths[0]), 0.05),
    "5": ("Eagle屋外彫刻       (PLY・実計測)",            lambda: o3d.io.read_point_cloud(o3d.data.EaglePointCloud().path), 0.005),
    "6": ("屋外噴水            (RGB-D生成・ETH)",        lambda: load_fountain(), 0.02),
    "7": ("Armadillo           (Stanford 3Dスキャン)",    lambda: o3d.io.read_triangle_mesh(o3d.data.ArmadilloMesh().path).sample_points_poisson_disk(50000), 2.0),
    "8": ("Stanford Bunny      (Stanford 3Dスキャン)",    lambda: o3d.io.read_triangle_mesh(o3d.data.BunnyMesh().path).sample_points_poisson_disk(50000), 0.002),
    "9": ("Semantic3D 教会     (屋外・静的LiDAR)",       lambda: load_semantic3d(S3D + "bildstein_station1_xyz_intensity_rgb.7z",            "bildstein_station1_xyz_intensity_rgb.7z"), 0.1),
    "A": ("Semantic3D 噴水広場 (屋外・静的LiDAR)",       lambda: load_semantic3d(S3D + "untermaederbrunnen_station1_xyz_intensity_rgb.7z",   "untermaederbrunnen_station1_xyz_intensity_rgb.7z"), 0.1),
    "B": ("Semantic3D 大聖堂   (屋外・静的LiDAR)",       lambda: load_semantic3d(S3D + "domfountain_station3_xyz_intensity_rgb.7z",           "domfountain_station3_xyz_intensity_rgb.7z"), 0.1),
}

# ┌────────────────────────────────────┐
# │  共通部分：データセット選択と読み込み  │
# └────────────────────────────────────┘
print("データセット選択:\n" + "\n".join(f"  {k}: {v[0]}" for k, v in DATASETS.items()))
_, loader, voxel_size = DATASETS[input("番号: ").strip().upper()]
pcd = loader()
print(f"読み込み完了: {len(pcd.points)} 点")

# ┌────────────────────────────────────┐
# │  パターン8固有の処理：DBSCANクラスタリング  │
# └────────────────────────────────────┘
pcd = pcd.voxel_down_sample(voxel_size)
pcd, _ = pcd.remove_statistical_outlier(nb_neighbors=20, std_ratio=2.0)
labels = np.array(pcd.cluster_dbscan(eps=voxel_size * 10, min_points=10, print_progress=True))
max_label = labels.max()
print(f"クラスタ数: {max_label + 1}  （ノイズ点: {(labels < 0).sum()} 点）")
colors = plt.get_cmap("tab20")(labels / (max_label if max_label > 0 else 1))
colors[labels < 0] = 0
pcd.colors = o3d.utility.Vector3dVector(colors[:, :3])
o3d.visualization.draw_geometries([pcd], window_name="DBSCANクラスタリング")

5. まとめ

5.1 Open3D ライブラリの特徴

Open3D は，ファイル拡張子から形式を判別する入出力機能により，多様な3次元データを読み書きする。

5.2 ダウンサンプリングと外れ値除去

ボクセルダウンサンプリングは，点の密度が空間的に均一な点群を得る手法である。統計的外れ値除去は，近傍点との平均距離の分布に基づいて異常な点を除く。

5.3 法線推定とポリゴン変換

法線推定は，主成分分析（共分散行列の固有値分解）により各点の法線方向を求める。法線を使うことで，点群からポリゴンメッシュを生成できる。

5.4 セグメンテーションとクラスタリング

RANSAC による平面検出は，平面構造を抽出する。DBSCAN 密度ベースクラスタリングは，密度の高い領域をクラスタとして検出する。