exact voxel grid downsampling 和 approximate voxel grid downsampling

看图说话 ，上图是exact downsampling，注意，必须保证Dx>hx，Dy>hy(这两个条件是必须)，到第四步的时候是计算了voxel空间的索引，然后呢，准确降采样就是在每个voxel索引里面取中值，或者随机取一个点，然后输出的点云就是降采样后的点云，理解了上图，再看下面的approximated voxel grid downsampling

和exact downsampling的前四步一样，先算出voxel的空间索引 ，然后通过哈希函数映射到对应的容器里面，这里假设有100个容器，按照图里面给的例子，以h%container作为hash函数映射的值，放到对应的容器里面，这样的话会出现什么情况呢，16,116对应的容器是一样的，而两个h对应的hx，hy，hz是不一样的，这就是哈希冲突。怎么处理哈希冲突呢？

把原来容器里面的点全都取出来，清空，随机取其中的一个点作为输出，然后把新的点放进来，继续填容器的操作。相当于是拿了100个容器，一直从一堆点里面淘点，10000个点放到100个容器里面必然会有索引的冲突，一有冲突就把之前放进去的点拿出来，随机取一个点作为输出，清空，再往里面放新的点（我说的有点啰嗦）

再讲讲，为什么Dx必须>hx,后面的y也一样，Dx其实就是x的进位，h的表达式类似于hx*1+hy*10+hz*10*10，如果Dx=x了那必然会出现不同范围的点指到同一个索引h里面，譬如假设Dx=10，hx可以等于10，以（hx，hy）作为坐标的话，（0,1）和（10,0）在同一个voxel里面，显然这是不对的。

果然讨论才能学到东西。