一个文件夹里有18个点云.ply文件，它们是一个球每次旋转20度，旋转至360度采集的18份点云文件。从1-18，后面一个点云.ply文件都和前面一个点云点云.ply文件有部分相同区域，并有部分重叠，如何使用python与Open3D对这些点云的公共重叠部分提取出来进行icp点云配准，，而在配准过程中不掺入其他不公共不相同点云的影响，使整片点云能够不过度配准

您可以使用Open3D库中的点云配准函数进行处理。具体步骤如下：

1. 读取第一个点云文件，作为参考点云ref_cloud。

2. 遍历后面的17个点云文件，每个文件读取出来，与ref_cloud进行配准。

3. 配准时，只匹配两个点云中公共重叠区域内的点。可以通过变换矩阵将点云重叠区域内的点变换到参考点云ref_cloud的坐标系中，然后再进行icp配准。

4. 配准后得到的变换矩阵，只应用于当前点云文件的非重叠区域。可以通过Open3D库中的crop_point_cloud函数，将当前点云文件的重叠区域去除，只保留非重叠区域，然后再应用变换矩阵。

5. 将处理后的点云文件保存。

以下是示例代码：

import open3d as o3d

# 读取第一个点云文件，作为参考点云
ref_cloud = o3d.io.read_point_cloud("cloud_1.ply")

# 遍历后面的17个点云文件
for i in range(2, 19):
    # 读取当前点云文件
    curr_cloud = o3d.io.read_point_cloud("cloud_%d.ply" % i)

    # 对当前点云文件与参考点云进行配准
    trans_init = np.identity(4)
    overlap = 0.5
    icp_result = o3d.pipelines.registration.registration_icp(
        curr_cloud, ref_cloud, overlap, trans_init,
        o3d.pipelines.registration.TransformationEstimationPointToPoint(),
        o3d.pipelines.registration.ICPConvergenceCriteria(
            relative_fitness=1e-6,
            relative_rmse=1e-6,
            max_iteration=100))

    # 将配准后的变换矩阵应用于当前点云文件的非重叠区域
    curr_cloud = curr_cloud.crop(
        o3d.geometry.AxisAlignedBoundingBox(
            min_bound=(0, 0, 0), max_bound=(1, 1 - overlap, 1)))
    curr_cloud.transform(icp_result.transformation)

    # 将处理后的点云文件保存
    o3d.io.write_point_cloud("aligned_cloud_%d.ply" % i, curr_cloud)

其中，overlap参数表示重叠区域在整个点云文件中的比例，可以根据实际情况进行调整。