【3D入门-指标篇上】3D 网格重建评估指标详解与通俗比喻【3D入门-指标篇下】 3D重建评估指标对比-附实现代码【3D 入门-3】常见 3D 格式对比，.glb / .obj / .stl / .ply【3D 入门-4】trimesh 极速上手之 3D Mesh 数据结构解析（Vertices / Faces）【3D 入门-5】trimesh 极速上手之 Hunyuan3D-2.1 中的“非水密网格“处理流程【3D 入门-6】大白话解释 SDF(Signed Distance Field) 和 Marching Cube 算法【3D 入门-7】理解 SDF(Signed Distance Field) 不是什么？与相对坐标的区别【3D 入门-8】通过 Hunyuan3D2.1 的代码来理解 SDF 和 marching cubes（上）本文则介绍详细的水密化（Watertight）和Mesh 采样过程。
补充知识：OBB (Oriented Bounding Box) 和 AABB (Axis Aligned Bounding Box)，AABB 则是我们归一化后的那个 Box，我们的 3D mesh 就在其中。在下图中，白色 box 是 OBB（定向边界框），蓝色则是 AABB（轴对齐边界框）。回归正题～ 先高度总结下如何得到 watertight mesh, surface.npz 和 sdf.npz 的。
uniform grid 的采样点：AABB 加 padding 后等间距生成的所有格点，用来计算每个点的 SDF，供 marching cubes 提取等值面（构成 watertight 网格）。表面采样点：从网格表面按面积均匀和“锐边”加权抽取的点及法线，用于生成 surface.npz。近表面/体积采样点：围绕表面加噪声得到的近表面点，以及盒内均匀随机的体积分布点，用来计算 SDF 标签，生成 sdf.npz。1-生成 watertight 网格（闭合网格）在归一化后的包围盒基础上，扩大 5% padding，构造均匀三维网格（grid_res³ 个点，默认 256³），用来存放标量值（这里是 SDF）。对所有网格点计算到三角网格的有符号距离 SDF（libigl 的 signed_distance）。在标量场 φ = epsilon - |SDF| 上用 marching cubes 提取 0 等值面，得到闭合网格（天然“水密”）。
def Watertight(V: np.ndarray, F: np.ndarray, epsilon: float = 2.0 / 256, grid_res: int = 256):
...
grid_points = np.vstack([X.ravel(), Y.ravel(), Z.ravel()]).T.astype(np.float64)
...
sdf = call_signed_distance(grid_points, V, F, sign_type=sign_type)
ret = igl.marching_cubes(epsilon - np.abs(sdf), grid_points, grid_res, grid_res, grid_res, 0.0)
mc_verts = ret[0]
mc_faces = ret[1]
1.1 call_signed_distance 的细节
def call_signed_distance(points: np.ndarray, V: np.ndarray, F: np.ndarray, sign_type=None) -> np.ndarray:
"""Version-compatible wrapper for igl.signed_distance.
Always returns only the SDF array regardless of how many values igl returns.
"""
points = np.asarray(points, dtype=np.float64)
V = np.asarray(V, dtype=np.float64)
F = np.asarray(F, dtype=np.int64)
if sign_type is not None:
try:
ret = igl.signed_distance(points, V, F, sign_type=sign_type)
return ret[0]
except TypeError:
pass
ret = igl.signed_distance(points, V, F)
return ret[0]
功能：对一组三维点 points，计算它们到三角网格 (V, F) 的有符号距离（SDF），只返回距离一项。步骤解释：
将 points/V 强制为 float64，F 强制为 int64，以匹配 libigl 的接口要求。若提供了 sign_type（如 FAST_WINDING 或 PSEUDONORMAL），优先按该方式计算；若当前 libigl 版本不支持该参数（抛 TypeError），则退回到默认签名。libigl 的 signed_distance 通常返回一个元组 (dist, I, C, N)：
dist：每个点到网格的带符号距离（我们只需要这个，函数返回 ret[0]）I：最近三角形索引C：最近点坐标N：法线（版本依赖）返回值：形状为 (num_points,) 的 dist 数组（float64），与输入 points 一一对应。备注：符号正负的物理含义取决于 sign_type 与网格朝向；本工程在后续会用 -dist 作为标签以匹配其约定。1.2 watertight mesh 的关键输出
sdf = call_signed_distance(grid_points, V, F, sign_type=sign_type)
ret = igl.marching_cubes(epsilon - np.abs(sdf), grid_points, grid_res, grid_res, grid_res, 0.0)
mc_verts = ret[0]
mc_faces = ret[1]
输出的 *_watertight.obj 就是这里的 mc_verts, mc_faces 写出的闭合网格：
out_path = f'{output_prefix}_watertight.obj'
if hasattr(igl, 'write_obj'):
igl.write_obj(out_path, mc_verts, mc_faces)
else:
igl.writeOBJ(out_path, mc_verts, mc_faces)
2-生成 surface.npz（表面点云与法线）随机表面采样：在网格面上按面积均匀采样 sample_num 个点，并取对应面的法线。
sample_num = 499712 // 4
random_surface, random_normal = random_sample_pointcloud(mesh, num=sample_num)
def random_sample_pointcloud(...):
points, face_idx = mesh.sample(num, return_index=True)
normals = mesh.face_normals[face_idx]
锐边采样：通过“顶点法线与相邻面法线的夹角”标记“锐”顶点，筛出锐边（两端顶点都锐），按边长加权在边上采样点，并线性插值顶点法线作为该点的法线。
def sharp_sample_pointcloud(...):
...
sharp_mask = VN2 < 0.985
...
sharp_edge = (sharp_mask[edge_a] * sharp_mask[edge_b])
...
samples = w * sharp_verts_a[index] + (1.0 - w) * sharp_verts_b[index]
normals = w * sharp_verts_an[index] + (1.0 - w) * sharp_verts_bn[index]
打包成两个数组，各为 N×6：前 3 列 xyz，后 3 列法线 nx ny nz，并以 float16 存储节省空间。
surface = np.concatenate((random_surface, random_normal), axis=1).astype(np.float16)
sharp_surface = np.concatenate((random_sharp_surface, sharp_normal), axis=1).astype(np.float16)
surface_data = {"random_surface": surface, "sharp_surface": sharp_surface}
最终写入 *_surface.npz（包含两个键：random_surface、sharp_surface）：
export_surface = f'{output_prefix}_surface.npz'
np.savez(export_surface, **surface_data)
3-生成 sdf.npz（体积/近表面采样与 SDF 标签）随机体积点：在略大于单位盒的立方体中均匀采样 n_volume_points = len(sharp_surface) * 2 个点（覆盖体内各处）。近表面点：围绕随机表面点加两种尺度的截断高斯噪声（很靠近/较靠近），围绕锐边表面点分 6 个尺度段添加噪声，得到大量“靠近表面”的采样。
n_volume_points = sharp_surface.shape[0] * 2
vol_points = (np.random.rand(n_volume_points, 3) - 0.5) * 2 * 1.05
...
random_near_points = np.concatenate([random_surface + offset1, random_surface + offset2], axis=0)
...
sharp_near_points = np.concatenate([...不同噪声尺度...], axis=0)
分别对三类点（体积、随机近表面、锐边近表面）调用 igl.signed_distance 得到 SDF 距离值，并取负号作为标签（该工程的正负约定）。
vol_sdf = call_signed_distance(vol_points, mesh.vertices, mesh.faces, ...)
random_near_sdf = ...
sharp_near_sdf = ...
vol_label = -vol_sdf
random_near_label = -random_near_sdf
sharp_near_label = -sharp_near_sdf
打包为以下键值并保存为 float16：
vol_points: (M,3)vol_label: (M,)random_near_points: (R,3)random_near_label: (R,)sharp_near_points: (S,3)sharp_near_label: (S,)
data = {
"vol_points": vol_points.astype(np.float16),
"vol_label": vol_label.astype(np.float16),
"random_near_points": random_near_points.astype(np.float16),
"random_near_label": random_near_label.astype(np.float16),
"sharp_near_points": sharp_near_points.astype(np.float16),
"sharp_near_label": sharp_near_label.astype(np.float16),
}
最终写入 *_sdf.npz：
export_sdf = f'{output_prefix}_sdf.npz'
np.savez(export_sdf, **sdf_data)
关键点与参数含义watertight 的本质：用 SDF 的等值面重建闭合曲面，规避原始网格的洞/非流形/自交等问题。由 grid_res 控制细节、epsilon 控制等值面的“偏移厚度”。surface.npz：用于表面点云监督，既有“均匀表面”也有“锐边表面”，每条记录是 xyz+normal。sdf.npz：体积/近表面点的 SDF 标签（取了负号），常用于 SDF/隐式场训练，能同时覆盖体内（远离表面）与表面附近的细节。