[论文解读] Open3D: A Modern Library for 3D Data Processing

Qian-Yi Zhou, Jaesik Park+1 more|arXiv (Cornell University)|Jan 30, 2018

Robotics and Sensor-Based Localization参考文献 18被引用 1,196

一句话总结

Open3D 是一个开源库，提供用于 3D 数据处理的快速 C++ 后端和 Python 前端，强调易用性、轻量依赖和强大性能。

ABSTRACT

Open3D is an open-source library that supports rapid development of software that deals with 3D data. The Open3D frontend exposes a set of carefully selected data structures and algorithms in both C++ and Python. The backend is highly optimized and is set up for parallelization. Open3D was developed from a clean slate with a small and carefully considered set of dependencies. It can be set up on different platforms and compiled from source with minimal effort. The code is clean, consistently styled, and maintained via a clear code review mechanism. Open3D has been used in a number of published research projects and is actively deployed in the cloud. We welcome contributions from the open-source community.

研究动机与目标

• 提供一个快速、易于使用的开源框架用于3D数据处理（点云、网格、RGB-D），以取代更重、臃肿的库。
• 提供一个对 Python 友好的前端，配备强大的 C++ 后端，以实现快速开发和试验。
• 保持依赖项轻量且跨平台，简化在研究工作流中的安装和集成。
• 在常见的 3D 任务（I/O、可视化、配准、重建）中展示能力并对性能进行基准测试。
• 通过定义的评审和 CI 流程，鼓励社区贡献并保持高代码质量。

提出的方法

• 设计一组紧凑的数据结构，用于点云、网格和 RGB-D 图像，并直接访问 NumPy。
• 在高性能 C++11 后端中实现核心算法（I/O、采样、可视化、法线估计、ICP、体积集成），并使用 OpenMP 并行化。
• 通过普遍存在的 Python 绑定暴露后端功能，以实现简洁、交互式工作流。
• 通过使用轻量级库（Eigen、GLFW、FLANN）并在可行的地方使用内部实现，最小化依赖。
• 提供一个可视化工具包，具有灵活的 API（draw_geometries 和基于回调的动画），用于交互式 3D 探索。
• 对关键例程（如 ICP、重建）进行基准测试和优化，以实现比替代方案显著的性能提升。

实验结果

研究问题

• RQ1 支持常见 3D 数据处理工作流（点云、网格、RGB-D 图像）所必需的数据表示和算法是什么？
• RQ2 在实现高性能的同时，如何在有用性、易用性和最小依赖之间实现平衡？
• RQ3 与 C++-only 接口相比，Python-first 绑定在代码量和交互性方面在可用性方面提升到何种程度？
• RQ4 Open3D 相对于现有库（如 PCL）在核心任务如注册和重建方面的性能如何？
• RQ5 哪些设计和工程实践（模块化、CI、代码评审）支持广泛社区采用和持续发展？

主要发现

• Python 接口在典型任务上显著比 C++ 接口或 PCL 更短更清晰的代码。
• Open3D 提供从 RGB-D 数据的大规模场景重建的完整端到端工作流，使用 Python，包括局部片段构建、姿态图优化和体积集成。
• 优化的 C++ 后端相比 PCL 提供显著的速度提升，ICP 实现报告最高可快 25×。
• OpenMP 并行化使许多核心函数在现代 CPU 上加速 3–6 倍。
• Choi 等人的重建管线比原始实现快一个数量级。
• Open3D 以 MIT 许可证发布，设计易于跨平台构建，依赖最小。