Open3d点云采样算法

1、随机采样（Random Sample）

pcd_down = pcd.random_down_sample(sampling_ratio)

随机选择一些点保留，最简单的实现方法，当选择的随机数是均匀分布时，也可以理解成均匀采样
sampling_ratio是采样比例，即保留sampling_ratio的点

2、均匀采样（Uniform Sample）

pcd_down = pcd.uniform_down_sample(every_k_points)

等间隔保留点，每隔every_k_points个点，保留一个点

3、体素采样（Voxel Sample）

pcd_down = pcd.voxel_down_sample(voxel_size=0.05)

voxel_size为体素的尺寸大小，体素的尺寸越大，下采样的倍数越大，点云也就越稀疏。voxel_size越小，会生成更细的网格和更多的点。
空间八叉树的叶子结点里，选择一个点代表叶子里的所有点

4、最远点采样(Farthest Point Sample)

pcd_down = pcd.farthest_point_down_sample(num_samples)

首先随机选择一个点，其次，在剩下点中寻找最远的点，再去再剩下点中找到同时离这两个点最远的点……，以此类推，直到满足采样点个数。

5、基于曲率的采样

首先计算每一点的曲率值，然后根据点云的曲率的值从大到小按照一定的比例保留采样点。这种采样方法保留的点具有明显的特征，主要集中在点云场景的边缘、拐点等位置。

6、法向降采样

在局部区域内，根据法线的方向，采样保留点法线方向较为分散的点，这样可以有效的保留点云的特征细节。