PCL：均匀下采样

1.介绍

        点云处理是计算机视觉和机器人领域中的重要任务之一，而均匀采样是点云处理中常用的一种技术。均匀采样是指在点云中以一定的间隔均匀地选择点，从而减少点云的密度，降低数据量，同时保留点云的主要特征。均匀采样常用于以下场景：

• 数据降采样：在点云处理中，可能会遇到原始点云数据量过大的情况，为了减少计算量和存储空间，可以使用均匀采样来降低点云的密度。
• 数据预处理：在某些点云处理任务中，需要对原始点云进行预处理，如去噪、平滑等。均匀采样可以帮助减少点云的噪声和不必要的细节，从而提高后续处理的效果。
• 点云配准：在点云配准任务中，通常需要对两个或多个点云进行配准，而均匀采样可以帮助减少点云的冗余信息，提高配准的速度和精度。

2.相关参数

在使用均匀采样时，需要设置一些参数来控制采样的效果，常用的参数包括：

• 半径搜索（Radius Search）：用于指定采样点的邻域半径，只有在这个半径范围内的点才会被保留。较小的半径可以保留更多的细节，但可能会导致点云过于密集；较大的半径可以降低点云的密度，但可能会丢失一些细节。
• 最小邻居数（Minimum Neighbors）：指定在半径搜索中，每个采样点周围至少包含的点的数量。增大最小邻居数可以减少采样点的数量，从而降低点云的密度。
• 采样密度（Sampling Density）：指定采样点的密度，通常是指定一个采样点的间隔距离。较小的采样密度