点云体素介绍

本文为博主原创文章，未经博主允许不得转载。
本文为专栏《python三维点云从基础到深度学习》系列文章，地址为“https://blog.csdn.net/suiyingy/article/details/124017716”。

        点云中经常会用到的一个概念是体素（Voxel）。

        介绍体素之前先介绍一下图像像素。图像一般是按行列的像素存储的，也就是通常说的图像分辨率。对于WxH大小的图片，相当于把图片划分成如下的网格，然后每个网格里的颜色或者灰度值不同。这样就称为了一幅图像

        对应到三维空间，点云是由点组成的，通常每个点由x、y、z三个坐标组成。三个坐标对应二维图像中的灰度值。类比与二维图像，三维空间有以下几个区别：

        （1）二维图像的网格是均匀分布的，而三维点云分布在三维空间，同时是非均匀分布的。

        （2）二维图像相邻像素的位置坐标相差一个1单位像素，而三维点云中相邻点的间距并不是一个固定值。

        为了让三维点云也具备和二维图像一样的均匀分布，体素将整个三维空间分成一个个立体的方格。体素可以让整个三维空间分割成一个均匀分布的空间。我们可以很容易看到：

        （1）如果将体素的立方体长宽高设置成最小的长度单位，这样可以让每个点都落在一个体素当中。但是这样做会导致很多体素里面并不存在一个点，并且数据量会非常大。另一方面，点云的分布没有改变࿰