Blender本身并不把点云当作独立的几何类型，导入PLY文件后得到的是一个只有顶点、没有面的网格对象。这意味着视图里能看到稀疏或密集的点，但渲染器不会显示任何表面。要把这些顶点变成可编辑的网格，核心任务是根据空间中的顶点估算一个连续表面。Blender提供了两条路线：内置几何节点走体素化重建，外部Python脚本配合Open3D走泊松重建。前者速度很快，适合中等规模数据；后者质量更高，适合需要封闭网格的扫描数据。
一、导入点云：格式转换与插件选择
首先确认数据源。Blender原生导入器支持 Stanford PLY (.ply) 和 Wavefront OBJ，但OBJ一般用于网格。如果你的文件是LAS、E57、PTS等专业扫描格式，推荐先使用 CloudCompare 或 PDAL 将数据导出为 PLY，并勾选保存顶点颜色。CloudCompare 打开点云后点击 File > Save，选择 PLY 格式即可。Blender 4.x 的导入操作位于 File > Import > Stanford PLY (.ply)。导入时如果文件较大，建议关闭 Forward/Up 轴自动调整，先保持原始坐标不变。
导入成功后，场景中会出现一个对象。按 Tab 进入编辑模式可以看到所有顶点，但没有边和面。如果顶点数量超过几百万，Blender 的响应会明显下降，此时可以在导入前对点云做抽稀，CloudCompare 中 Edit > Subsample 可以按间距保留点。另一个常用插件 Point Cloud Visualizer 支持直接加载 PLY/XYZ 并可以显示点大小，但它同样不会生成面。因此，点云导入只是第一步，后续都必须走重建流程。
如果只需要快速观察点云，可以在材质中把点云网格设置为点云显示：在 Object Properties 中找到 Viewport Display，勾选 Display As 并选择 Point，这样视图里会以圆点形式渲染顶点。但该设置不会影响网格生成。
二、几何节点体素化：最快的内置重建方法
Blender 3.0 以后几何节点提供了点云和体积两种数据结构，使得从顶点生成网格可以在节点编辑器里完成。基本链路是：Mesh to Points 把网格顶点转换为点云，Points to Volume 把点云采样到体素栅格，Volume to Mesh 再用等值面提取出多边形表面。给导入的点云网格添加 Geometry Nodes 修改器后，新建节点树，依次连接上述节点。
具体操作：在 Geometry Node Editor 中新建节点树，保留 Group Input 作为几何输入，然后增加 Mesh to Points 节点，模式选择 Vertices；再增加 Points to Volume 节点，Density 可以先设为 0.2，Radius 设为 0.05；连接后加入 Volume to Mesh 节点，Threshold 设为 0.1。最终输出到 Group Output。节点参数需要根据点云密度调整：半径过大会把邻近点融合成一团，过小会产生孔洞。体素大小 Voxel Size 控制分辨率，越小越精细但计算量增加。
# 几何节点没有直接代码，但可以用Python创建相同节点链路 import bpy obj = bpy.context.active_object mod = obj.modifiers.new(name="PointCloudToMesh", type='NODES') node_group = bpy.data.node_groups.new(name="PC2Mesh", type='GeometryNodeTree') # 创建输入和输出节点 group_in = node_group.nodes.new(type='NodeGroupInput') group_out = node_group.nodes.new(type='NodeGroupOutput') # 创建核心节点 mesh_to_points = node_group.nodes.new(type='GeometryNodeMeshToPoints') points_to_volume = node_group.nodes.new(type='GeometryNodePointsToVolume') volume_to_mesh = node_group.nodes.new(type='GeometryNodeVolumeToMesh') # 连接节点 node_group.links.new(group_in.outputs[0], mesh_to_points.inputs[0]) node_group.links.new(mesh_to_points.outputs[0], points_to_volume.inputs[0]) node_group.links.new(points_to_volume.outputs[0], volume_to_mesh.inputs[0]) node_group.links.new(volume_to_mesh.outputs[0], group_out.inputs[0]) # 设置参数 points_to_volume.inputs['Density'].default_value = 0.2 points_to_volume.inputs['Radius'].default_value = 0.05 volume_to_mesh.inputs['Threshold'].default_value = 0.1 mod.node_group = node_group
上述脚本可以直接运行，自动给当前对象挂上几何节点修改器并创建完整链路。它等同于手动连线，适合批量处理多个点云文件。几何节点方案的优点是无需离开Blender，修改参数可实时预览，缺点是 Points to Volume 基于均匀体素栅格，对密度变化较大的点云不够稳健，容易在稀疏区域断成碎片。
如果想要更平滑的结果，可以在 Volume to Mesh 之后加一个 Smooth Correct 或 Set Shade Smooth 节点，也可以再用 Remesh 修改器做轻度优化。但根本局限在于体素分辨率与点云密度要匹配，这一点在下一节参数排查中会展开。
三、Python脚本与Open3D泊松重建
对于质量要求高的项目，更推荐用泊松重建。泊松重建将点云的方向场拟合到隐函数，再提取水密表面，能较好填补小孔并去除噪声。Blender 本身没有内置泊松算法，但可以通过 Python 调用 Open3D 库。Open3D 需要先安装：在系统终端执行 pip install open3d，确保 Blender 的 Python 环境能访问该库。如果使用系统 Python，可以运行 Blender 自带的 Python 解释器来安装，路径通常在 Blender 安装目录下的 python/bin/python.exe。
基本流程为：读取点云 PLY 文件，用 open3d.io.read_point_cloud 加载，调用 estimate_normals 估计法线，再调用 create_from_point_cloud_poisson 生成网格。重建完成后保存为 STL 或 PLY，再导入 Blender 进行材质和渲染。
import open3d as o3d
import numpy as np
# 读取PLY点云
pcd = o3d.io.read_point_cloud(r"C:\scan\points.ply")
print(f"原始点数: {len(pcd.points)}")
# 降采样（可选）
pcd = pcd.voxel_down_sample(voxel_size=0.01)
# 估计法线
pcd.estimate_normals(search_param=o3d.geometry.KDTreeSearchParamHybrid(radius=0.1, max_nn=30))
pcd.orient_normals_consistent_tangent_plane(30)
# 泊松重建
mesh, densities = o3d.geometry.TriangleMesh.create_from_point_cloud_poisson(pcd, depth=9)
# 根据密度裁剪低密度区域
densities = np.asarray(densities)
vertices_to_remove = densities < np.quantile(densities, 0.05)
mesh.remove_vertices_by_mask(vertices_to_remove)
# 保存结果
o3d.io.write_triangle_mesh(r"C:\scan\reconstructed.stl", mesh)
print("重建完成")
代码中 depth 参数控制重建的八叉树深度，深度每增加1，体素分辨率翻倍，计算时间大约变为原来的4到6倍。深度9适合几百万点的场景，如果点云超过千万，建议先用 voxel_down_sample 抽稀。密度裁剪是为了去除泊松重建在远离点云区域产生的虚假表面，保留约95%的密度区域通常能得到干净网格。
Open3D 重建得到的网格往往是封闭的，但可能有较多三角面，可以在 Blender 中导入后使用 Decimate 修改器减面，或者使用 Limited Dissolve 清理共面三角。如果需要对网格做进一步雕刻，建议先应用尺度变换，确保单位与场景匹配。
四、参数调整与常见问题排查
无论是几何节点还是泊松重建，网格质量都受三个核心因素影响：点云密度、法线质量、重建半径或体素大小。几何节点的 Points to Volume 中 Radius 参数相当于搜索邻域半径，它应该略大于点云平均间距。若 Radius 太小，点之间无法形成连续体积；若太大，细节会被模糊掉。Volume to Mesh 的 Threshold 决定等值面位置，通常设在0到1之间，建议从0.1开始微调。
另一个常见问题是点云坐标离原点过远。大型扫描数据往往带有真实世界坐标，比如 UTM 坐标，动辄数十万米。Blender 在处理远离原点的大坐标时会出现浮点精度下降，表现为网格抖动或破面。解决方法是先在 CloudCompare 或脚本中把点云平移到一个局部原点附近，再导入 Blender。可以在 Open3D 中读取点云后执行 pcd.translate(-pcd.get_center())，这样重建结果中心位于世界原点。
如果重建结果破碎，优先检查法线方向。泊松重建对法线非常敏感，法线不一致会导致隐函数符号混乱。Open3D 的 orient_normals_consistent_tangent_plane 可以自动调整法线方向，但参数 radius 需要覆盖点云最小特征尺度。对于噪声较多的扫描数据，可以先做统计离群点移除，例如 pcd.remove_statistical_outlier(nb_neighbors=20, std_ratio=2.0)。
几何节点方案还有一个隐藏错误：如果原始点云网格包含重复顶点或孤立点，需要先进入编辑模式执行 Merge by Distance 合并重复顶点，并手动删除远离主体的孤立点。可以在导入后按 A 全选，按 M 选择 By Distance，设定合适合并距离。这些清理工作虽然简单，但能显著减少重建碎片的产生。