Couldcompare下采样点云

一、Random采样
可以在保证原点云数据特征(如：颜色、法向量等等)的同时，而且能有效的降低点云数据的数据量。

(1)加载数据。

(2)选中要进行子采样的点云对象，然后点击“Subsample”按钮。

(3)选择随机采样，并设置参数。

(4)最后，点击“确定”即可生成新的点云数据。(此时的“Use active SF”使用不了，该选项只适用于space采样)
二、space采样
这个功能感觉也是很实用，它有点类似PCL中的VoxelGrid(体素)滤波器(在CC软件中，该方法为“Octree”中的“Resample”方法)，虽然其做法可能与体素滤波器有些不同，但是达到的效果却是有些类似。这两种方法均可以在减少点云数据量的同时，还可以减轻点云数据分布不均匀(或是密度不同)的影响。

因为过程和随机采样类似，所以我就只说一下参数设置。

三、octree采样
octree采样方法与体素滤波器与很多相似之处，他们唯一的区别就是体素滤波器使用的是体元中的原始点集的质心作为采样点，而octree方法则是把距离体元中心最近的那个点作为采样点。这样的做法使得octree采样所获取的采样点均来源于原始点集，而没有产生新的采样点，这样做不仅可以减轻点云数据分布不均而带来的影响，而且还尽可能的保留了原始点集的特征。

参数设置如下所示：