使用逆索引实现更快的体素化

Question

我正在使用以下代码来获取体素化点云带有逆索引，以便我可以计算例如对下采样点云进行掩模，然后通过逆索引获取原始点，将其应用到原始点云上。

def voxelize(points, voxel_size):
    voxel_indices = np.floor(points / voxel_size).astype(np.int32)
    unique_voxel_indices, inverse_indices = np.unique(
        voxel_indices, axis=0, return_inverse=True
    )
    voxel_centers = (unique_voxel_indices + 0.5) * voxel_size
    return voxel_indices, unique_voxel_indices, voxel_centers, inverse_indices

但是，这段代码正在成为我的瓶颈，因为它被执行了数千次。

类似的问题，我找到了建议的解决方案来加快速度但没有逆索引。 Numba 也没有实现此版本的

np.unique

。有没有我缺少的任何方法，该方法明显更快，但也提供索引计算。

Answer 1

您也许可以做您需要的事情，而无需

np.unique

。

voxel_indices = np.floor(points / voxel_size)

将所有点映射到下采样网格中相应体素的角点坐标。我们有

voxel_indices.shape == (N, 3)

N

点。

正如变量名称

voxel_indices

所示，该数组包含每个点在下采样体素网格中的索引。假设您定义了下采样体素网格，使得下采样空间中具有角坐标

[i,j,k]

的体素对应于点空间中的角坐标

[i*voxel_size, j*voxel_size, k*voxel_size]

。 （无论如何，您都可以通过相对于原点适当移动点云来构建来轻松实现这一点）。

然后，您在下采样的体素网格上定义一个掩模。我们称之为

mask_downsampled

。它具有形状

(I,J,K)

，并且具有

mask_downsampled[i,j,k] == True

当且仅当具有角坐标

[i,j,k]

的下采样体素应被屏蔽时的属性。

您可以将面膜应用到您的原始点，如下所示：

# get the mask for each point - shape (N, 3)
mask = mask_downsampled[voxel_indices[:, 0], voxel_indices[:, 1], voxel_indices[:, 2]]

# keep all points that are not masked out
unmasked_points = points[~mask]