Open3D--core模块函数详解

以下是 Open3D 核心模块 open3d.core 的 完整函数及类 的详细说明，涵盖所有公开接口，按功能分类整理。内容基于 Open3D 最新版本（v0.17+），并标注关键用途和参数。

---

1. 设备管理 (Device)

管理计算设备（CPU/GPU/CUDA）的配置与状态检查。

函数/类	参数	返回值	说明
Device(device_type, device_id=0)	device_type: str (e.g., "CPU", "CUDA")	Device 对象	创建设备实例，如 Device("CUDA", 0)
Device.is_available(device_type)	device_type: str	bool	检查设备是否可用（如 Device.is_available("CUDA")）
Device.default_device()	-	Device	返回当前默认设备（通常优先用GPU）
device.__str__()	-	str	设备描述字符串（如 "CUDA:0"）

---

2. 张量操作 (Tensor)

创建与初始化

函数	参数	返回值	说明
Tensor(array, dtype=None, device=None)	array: np.ndarray/list, dtype: float32/int64 等, device: Device	Tensor	从数据创建张量
Tensor.zeros(shape, dtype, device)	shape: tuple, dtype: 数据类型, device: Device	Tensor	全零张量
Tensor.ones(shape, dtype, device)	同 zeros	Tensor	全1张量
Tensor.full(shape, value, dtype, device)	value: 标量填充值	Tensor	填充固定值
Tensor.arange(start, end, step, dtype, device)	start, end, step: 数值范围	Tensor	生成序列张量
Tensor.empty(shape, dtype, device)	-	Tensor	未初始化张量（内容随机）

属性与转换

属性/方法	说明
tensor.shape	张量形状（tuple）
tensor.dtype	数据类型（Dtype 类型）
tensor.device	设备信息
tensor.numpy()	转为NumPy数组（仅支持CPU张量）
tensor.to(device)	跨设备复制（如 tensor.to("CUDA:0")）
tensor.clone()	深拷贝
tensor.copy_(src)	从源张量复制数据

---

3. 数据类型 (Dtype)

支持的数据类型常量（完整列表）：

类型	说明	对应NumPy类型
o3d.core.float32	32位浮点	np.float32
o3d.core.float64	64位浮点	np.float64
o3d.core.int8	8位有符号整数	np.int8
o3d.core.int32	32位有符号整数	np.int32
o3d.core.int64	64位有符号整数	np.int64
o3d.core.uint8	8位无符号整数	np.uint8
o3d.core.bool	布尔类型	np.bool_

---

4. 数学运算

逐元素运算

函数	说明	函数	说明
tensor + other	加法	tensor.sin()	正弦函数
tensor - other	减法	tensor.cos()	余弦函数
tensor * other	乘法	tensor.sqrt()	平方根
tensor / other	除法	tensor.exp()	指数函数
tensor.abs()	绝对值	tensor.log()	自然对数

矩阵运算

函数	说明
tensor.matmul(other)	矩阵乘法
tensor.T()	转置
tensor.inv()	矩阵求逆（仅方阵）
o3d.core.einsum(equation, *tensors)	爱因斯坦求和（如 "ij,jk->ik"）

统计与归约

函数	参数	说明
tensor.sum(dim)	dim: 可选维度	求和（可指定轴）
tensor.mean(dim)	-	均值
tensor.max(dim)	-	最大值（返回值和索引）
tensor.min(dim)	-	最小值（返回值和索引）

---

5. 索引与切片

操作	示例	说明
tensor[0]	第0个元素	单维索引
tensor[:, 1:3]	所有行，第1到2列	多维切片
tensor.gather(indices, dim)	indices: 索引张量, dim: 维度	按索引收集数据
tensor.reshape(new_shape)	new_shape: tuple	调整形状（不改变数据）

---

6. 内存与优化

函数	说明
tensor.contiguous()	确保内存连续存储（提升运算效率）
tensor.pin_memory()	固定内存（加速CPU→GPU传输）
o3d.core.empty_cache()	清空CUDA缓存（避免GPU内存泄漏）

---

7. 并行计算

函数	说明
o3d.core.parallel_for(func, count, device)	并行执行函数（func 需接受索引参数，如 lambda i: i*2，count 为迭代次数）

---

8. 其他工具函数

函数	说明
o3d.core.hash(tensor)	计算张量的哈希值（用于快速比较）
o3d.core.cat(tensors, dim=0)	沿维度拼接张量（类似 torch.cat）
o3d.core.stack(tensors, dim=0)	在新维度上堆叠张量

---

完整示例

import open3d.core as o3c
import numpy as np

# 1. 创建设备和张量
device = o3c.Device("CUDA:0")
a = o3c.Tensor(np.array([1, 2, 3]), dtype=o3c.float32, device=device)
b = o3c.Tensor.ones((3,), dtype=o3c.int32, device="CPU")

# 2. 数学运算
c = (a + b.to(device)).sin()  # GPU计算 + 三角函数

# 3. 索引与统计
print(c[0].item())           # 输出第0个元素的值
print(c.mean())              # 输出均值

# 4. 并行计算
result = o3c.parallel_for(lambda i: i * 2, count=1000, device=device)

---

注意事项

1. GPU张量转NumPy：需先通过 to("CPU") 转到CPU。
2. 性能优化：优先使用 contiguous() 和 pin_memory()。
3. 错误处理：跨设备操作需确保设备兼容性（如避免CPU张量与GPU张量直接运算）。

如需更高级功能（如自定义算子或与PyTorch交互），可参考 Open3D 的 扩展模块 或官方文档的 C++ API 部分。