PCL中的道格拉斯-普克（Douglas-Peucker）点云抽稀算法

点云数据是一种常见的三维数据表示形式，用于描述物体的形状和结构。在处理点云数据时，有时需要对其进行抽稀，即减少数据中的点数，以降低计算和存储的成本，同时保持点云的主要特征。道格拉斯-普克（Douglas-Peucker）算法是一种常用的点云抽稀算法，它可以有效地减少点云数据的点数，同时保持形状的大致特征。

道格拉斯-普克算法的基本思想是通过递归地应用一种抽稀策略来减少点云数据。算法的输入是一个点云数据集，由一系列的点构成。具体的算法步骤如下：

1. 选择起始点和结束点作为线段的端点。
2. 计算每个点到线段的欧氏距离，并找到距离最大的点（称为最远点）。
3. 如果最远点的距离大于预先设定的阈值，则将最远点加入到结果集合中，并递归地对最远点两侧的子集进行抽稀。
4. 重复步骤2和步骤3，直到所有点都被处理完毕。

以下是一个使用PCL库实现道格拉斯-普克点云抽稀算法的示例代码：

#include <pcl/io/pcd_io.h>