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”。
点云下采样是对点云以一定的采样规则重新进行采样,目的是在保证点云整体几何特征不变的情况下,降低点云的密度,进而可以降低相关处理的数据量和算法复杂度。下面介绍三种点云下采样方式。最远点采样等方法后续会在深度学习章节中进行详细介绍。
1 体素下采样
体素是将三维空间划分成一个个小的立体网格,相关介绍请参考:点云体素介绍_Coding的叶子的博客-CSDN博客。体素下采样就是把落在每个体素中的点用一个点来表示。这个点的坐标取值就是体素中所有点坐标的平均值。这个点也就是体素中各个点的质心。
open3d中体素下采样的函数为voxel_down_sample,其参数为体素的尺寸大小。体素尺寸越大,则下采样的倍数越大,点云也就会变得更加稀疏。
voxel_down_sample(voxel_size=0.1)
除了voxel_down_sample之外,voxel_down_sample_and_trace也是采用相同的体素下采样方法。但函数的输入输出有一定差别。voxel_down_sample_and_trace输入除了voxel_size体素尺寸外,还有min_bound、max_bound和approximate_class。
voxel_down_