三种点云下采样方法（一） — open3d python

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_