• 定义：通过一个球体包围所有点云点，该球体的球心和半径由点云的分布决定，并且球体的半径尽可能小。
• 优点：计算简单，通常用于快速粗略估计物体的范围。
• 缺点：对于不规则形状的物体，包围不紧密，容易留下较多空白区域。

下面将介绍一种常用的算法——Welzl算法，并提供Python实现的具体步骤和代码示例。

Welzl算法简介

Welzl算法是一种递归算法，用于在期望线性时间内找到一组点的最小包围球。其基本思想是随机化点的顺序，然后递归地处理每个点，决定是否需要将其包含在当前的边界集（即确定球体）的情况下更新最小包围球。

算法的核心思想是：我们逐个考虑每个点，看是否需要将它包含在球面上。如果一个点已经在当前的最小球内，我们就不需要改变球；如果不在，我们就需要重新计算球，使得这个点在新球的表面上。

实现步骤

这个实现使用了Welzl算法来计算最小包围球。以下是算法的主要步骤：

1. welzl_algorithm 函数是算法的入口点，它调用递归函数 welzl。
2. welzl 函数是算法的核心，它递归地构建包围球：
   • 如果没有剩余点或者已经有4个点在球面上，就直接构造球。
   • 否则，它会检查当前点是否在之前构造的球内。
   • 如果不在，就将该点添加到球面点集中，并重新计算球。
3. make_sphere 函数用于从给定的点集构造球。它计算点集的中心作为球心，最远点到中心的距离作为半径。
4. is_point_in_sphere 函数检查一个点是否在给定的球内。

import numpy as npdef welzl_algorithm(points):def welzl(P, R, n):if n == 0 or len(R) == 4:return make_sphere(R)p = P[n-1]sphere = welzl(P, R, n-1)if sphere is None or not is_point_in_sphere(p, sphere):R.append(p)sphere = welzl(P, R, n-1)R.pop()return spherereturn welzl(points, [], len(points))def make_sphere(points):if len(points) == 0:return Noneelif len(points) == 1:return (points[0], 0)# 计算点集的中心和半径center = np.mean(points, axis=0)radius = max(np.linalg.norm(p - center) for p in points)return (center, radius)def is_point_in_sphere(point, sphere):if sphere is None:return Falsecenter, radius = spherereturn np.linalg.norm(point - center) <= radius * (1 + 1e-6)  # 添加一个小的容差# 示例使用
if __name__ == "__main__":# 生成一些随机的3D点np.random.seed(0)points = np.random.rand(20, 3) * 10# 计算包围球sphere = welzl_algorithm(points)print("包围球的中心:", sphere[0])print("包围球的半径:", sphere[1])# 验证所有点是否都在球内all_points_inside = all(is_point_in_sphere(p, sphere) for p in points)print("所有点都在球内:", all_points_inside)

利用open3d实现

这里使用的open3d中AABB方法得到圆的半径和直径，最后得到球形边界框

import open3d as o3d
import numpy as npdef compute_bounding_sphere(points):pcd = o3d.geometry.PointCloud()pcd.points = o3d.utility.Vector3dVector(points)aabb = pcd.get_axis_aligned_bounding_box()center = aabb.get_center()radius = np.max(np.linalg.norm(points - center, axis=1))return center, radiusdef create_sphere_wireframe(center, radius, resolution=20):theta = np.linspace(0, 2*np.pi, resolution)phi = np.linspace(0, np.pi, resolution)# 创建经线meridians = []for t in theta:x = radius * np.cos(t) * np.sin(phi) + center[0]y = radius * np.sin(t) * np.sin(phi) + center[1]z = radius * np.cos(phi) + center[2]meridian = np.column_stack((x, y, z))meridians.append(meridian)# 创建纬线parallels = []for p in phi:x = radius * np.cos(theta) * np.sin(p) + center[0]y = radius * np.sin(theta) * np.sin(p) + center[1]z = radius * np.cos(p) * np.ones_like(theta) + center[2]parallel = np.column_stack((x, y, z))parallels.append(parallel)# 创建线集合line_set = o3d.geometry.LineSet()points = np.vstack(meridians + parallels)lines = []for i in range(len(meridians)):lines.extend([(i*resolution+j, i*resolution+(j+1)%resolution) for j in range(resolution)])for i in range(len(parallels)):lines.extend([(len(meridians)*resolution+i*resolution+j, len(meridians)*resolution+i*resolution+(j+1)%resolution) for j in range(resolution)])line_set.points = o3d.utility.Vector3dVector(points)line_set.lines = o3d.utility.Vector2iVector(lines)line_set.paint_uniform_color([0, 1, 0])  # 绿色线框return line_setdef visualize_bounding_sphere_wireframe(points, center, radius):pcd = o3d.geometry.PointCloud()pcd.points = o3d.utility.Vector3dVector(points)pcd.paint_uniform_color([1, 0, 0])  # 红色点sphere_wireframe = create_sphere_wireframe(center, radius)# 可视化o3d.visualization.draw_geometries([pcd, sphere_wireframe])# 示例使用
np.random.seed(0)
points = np.random.rand(1000, 3) * 10center, radius = compute_bounding_sphere(points)print("包围球的中心:", center)
print("包围球的半径:", radius)visualize_bounding_sphere_wireframe(points, center, radius)