点云处理中阶 Sampling

目录

一、什么是点云Sampling

二、示例代码

1、下采样  Downsampling

2、均匀采样

3、上采样

4、表面重建

---

一、什么是点云Sampling

点云处理中的采样（sampling）是指从大量点云数据中选取一部分代表性的数据点，以减少计算复杂度和内存使用，同时保留点云的几何特征和重要信息。常见的点云采样方法有以下几种：

• 随机采样（Random Sampling）：

  • 从原始点云中随机选择一定比例的点。
  • 优点：简单快速。
  • 缺点：可能会丢失重要的几何特征，采样结果不稳定。

• 体素网格下采样（Voxel Grid Downsampling）：

  • 将点云划分为固定大小的立方体网格（体素），然后在每个体素中用一个代表点（如体素中心或体素内点的平均值）来代替该体素内的所有点。
  • 优点：能有效保留点云的整体结构和几何特征，结果较稳定。
  • 缺点：可能会丢失细节信息，分辨率依赖于体素大小。

• 均匀采样（Uniform Sampling）：

  • 在点云表面上进行均匀采样，确保采样点在空间上均匀分布。
  • 优点：采样点分布均匀，适用于需要均匀点间距的应用。
  • 缺点：实现较复杂，计算成本较高。
• <