点云体素下采样 ❤️（体素质心 | 体素中心）

最新推荐文章于 2025-02-23 09:47:01 发布
最新推荐文章于 2025-02-23 09:47:01 发布
阅读量1.1w 收藏 78
点赞数 21
分类专栏： 点云处理常用算法(C++) 文章标签： 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46098577/article/details/120976374
版权
本文详细介绍了点云下采样的两种方法：体素质心下采样和体素中心下采样。通过计算非空体素的质心或中心来实现点云的下采样。体素质心方法虽然耗时较长，但结果更准确；而体素中心方法则更快，但可能导致失真。文章提供了代码实现，并对比了PCL的VoxelGrid下采样结果。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文章目录

1 体素质心下采样

1.1 原理

体素质心下采样的原理很简单，首先将点云进行 体素划分，然后计算非空体素的质心代替该体素内的所有点，实现点云的下采样。

1.2 体素质心的计算

已知一个非空体素 V V V，其中包含 m m m 个点，则该体素的质心 P c e n t r o i d ( x c e n t r o i d , y c e n t r o i d , z c e n t r o i d ) P_{centroid}(x_{centroid},y_{centroid},z_{centroid}) Pcentroid​(xcentroid​,ycentroid​,zcentroid​) 为：

{ x c e n t r o i d = ∑ i = 1 m x i m y c e n t r o i d = ∑ i = 1 m y i m z c e n t r o i d = ∑ i = 1 m z i m \begin{cases} x_{centroid}=\cfrac{\sum_{i=1}^{m}{x_i}}{m}\\ y_{centroid}=\cfrac{\sum_{i=1}^{m}{y_i}}{m}\\ z_{centroid}=\cfrac{\sum_{i=1}^{m}{z_i}}{m}\\ \end{cases} ⎩⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎧​xcentroid​=m∑i=1m​xi​​ycentroid​=m∑i=1m​yi​​zcentroid​=m∑i=1m​zi​​​

1.2 代码实现

代码分为三部分：

  • main.cpp
  • voxel_centroid_down_sampling.h
  • voxel_centroid_down_sampling.cpp

main.cpp

#include "voxel_centroid_down_sampling.h"
#include <pcl/console/time.h>

int main()
{
	//----------------------------- 加载点云 -----------------------------
	pcl::PointCloud<PointT>::Ptr cloud_in(new pcl::PointCloud<PointT>);
	if (pcl::io::loadPCDFile("grid.pcd", *cloud_in) < 0)
	{
		PCL_ERROR("/a->点云文件不存在！/n");
		system("pause");
		abort();
	}
	cout << "->共加载 " << cloud_in->points.size() << " 个数据点" << endl;
	//===================================================================

	pcl::console::TicToc time;
	time.tic();
	//------------------------- 三维体素格网化点云 ------------------------
	pcl::PointCloud<PointT>::Ptr cloud_downSample(new pcl::PointCloud<PointT>);
	VoxelCentriodDownSample vcds;		//创建三维体素格网化对象
	vcds.setInputCloud(cloud_in);		//设置输入点云
	vcds.setGridStep(0.2);				//设置体素格网边长
	vcds.downSample(cloud_downSample);	//执行体素质心下采样，并将采样结果保存到cloud_downSample中

	cout << "->体素质心下采样用时：" << time.toc() / 1000 << " s" << endl;
	//===================================================================

	//------------------------- 保存体素质心下采样点云 ------------------------
	if (!cloud_downSample->empty())
	{
		pcl::io::savePCDFileASCII("downSample_centroid.pcd", *cloud_downSample);
		cout << "->下采样点云的点数为：" << cloud_downSample->points.size() << endl;
	}
	else
	{
		PCL_ERROR("\a->下采样点云为空！\n");
		system("pause");
	}
	//===================================================================
	
	return 0;
}

输出结果：

->共加载 5746 个数据点
->体素质心下采样用时：0.243 s
->下采样点云的点数为：856

voxel_centroid_down_sampling.h

#pragma once
#include <pcl/io/pcd_io.h>
#include <pcl/common/common.h>

using namespace std;

typedef pcl::PointXYZ PointT;

//体素质心下采样类
class VoxelCentriodDownSample
{
public:
	/**
	* @brief   ：设置输入点云
	* @param[I]：cloud_in（输入点云）
	* @param[O]：none
	* @return  : none
	* @note    ：
	**/
	void setInputCloud(pcl::PointCloud<PointT>::Ptr cloud_in);

	/**
	* @brief   ：设置体素格网边长
	* @param[I]：step（体素格网边长）
	* @param[O]：none
	* @return  : none
	* @note    ：
	**/
	void setGridStep(double step);

	/**
	* @brief   ：体素下采样
	* @param[I]：none
	* @param[O]：downSampleCloud（下采样点云）
	* @return  : none
	* @note    ：
	**/
	void downSample(pcl::PointCloud<PointT>::Ptr downSampleCloud);

private:
	pcl::PointCloud<PointT>::Ptr m_cloud_in;	//输入点云
	bool is_setInputCloud = false;

	double m_step;		//格网边长
	bool is_setGridStep = false;

	int m_row;			//格网总行数
	int m_col;			//格网总列数
	int m_lay;			//格网总层数

};

voxel_centroid_down_sampling.cpp

#include "voxel_centroid_down_sampling.h"


/**
* @brief   ：设置输入点云
* @param[I]：cloud_in（输入点云）
* @param[O]：none
* @return  : none
* @note    ：
**/
void VoxelCentriodDownSample::setInputCloud(pcl::PointCloud<PointT>::Ptr cloud_in)
{
	m_cloud_in = cloud_in;
	is_setInputCloud = true;
}

/**
* @brief   ：设置体素格网边长
* @param[I]：step（体素格网边长）
* @param[O]：none
* @return  : none
* @note    ：
**/
void VoxelCentriodDownSample::setGridStep(double step)
{
	if (step > 0)
	{
		m_step = step;
		is_setGridStep = true;
	}
	else
	{
		PCL_ERROR("\a->格网边长应为正数！\n");
		system("pause");
		abort();
	}
}

/**
* @brief   ：体素质心下采样
* @param[I]：none
* @param[O]：downSampleCloud（下采样点云）
* @return  : none
* @note    ：
**/
void VoxelCentriodDownSample::downSample(pcl::PointCloud<PointT>::Ptr downSampleCloud)
{
	if (!is_setGridStep)
	{
		PCL_ERROR("\a->请先设置格网边长！\n");
		system("pause");
		abort();
	}
	pcl::PointXYZ min;
	pcl::PointXYZ max;
	pcl::getMinMax3D(*m_cloud_in, min, max);

	m_row = (int)((max.y - min.y) / m_step) + 1;
	m_col = (int)((max.x - min.x) / m_step) + 1;
	m_lay = (int)((max.z - min.z) / m_step) + 1;

	int row_i;			//每一点的行号，从1开始
	int col_i;			//每一点的列号，从1开始
	int lay_i;		//每一点的层号，从1开始
	int grid_id_pt;		//逐行对应的一维格网编号id，从1开始
	multimap<int, PointT> m_grid3D;	//存放水平面格网点云的容器

	//遍历点云，进行三维体素格网化
	size_t num_cp = m_cloud_in->points.size();
	for (size_t i = 0; i < num_cp; i++)
	{
		row_i = (int)((m_cloud_in->points[i].y - min.y) / m_step) + 1;	//每一点的行号，从1开始
		col_i = (int)((m_cloud_in->points[i].x - min.x) / m_step) + 1;	//每一点的列号，从1开始
		lay_i = (int)((m_cloud_in->points[i].z - min.z) / m_step) + 1;//每一点的列号，从1开始

		grid_id_pt = (lay_i - 1) * (m_row * m_col) + (row_i - 1) * m_col + col_i;	//格网一维索引，从1开始
		m_grid3D.insert(pair<int, PointT>(grid_id_pt, m_cloud_in->points[i]));		//将每一个id对应的点坐标存入容器grids2D中
	}

	//判断体素是否为空，若非空，则计算体素内点云质心，以质心代替该体素内的所有点
	for (int lay = 1; lay <= m_lay; lay++)			//层扫描
	{
		for (int row = 1; row <= m_row; row++)		//行扫描
		{
			for (int col = 1; col <= m_col; col++)	//列扫描
			{
				int grid_id;	//逐行对应的一维格网编号id，从1开始
				grid_id = (lay - 1) * (m_row * m_col) + (row - 1) * m_col + col;
				if (m_grid3D.count(grid_id))		//若体素格网内有点，则计算体素质心
				{
					float sum_x, sum_y, sum_z;
					sum_x = sum_y = sum_z = 0;

					auto range = m_grid3D.equal_range(grid_id);
					for(auto it = range.first;it!=range.second; ++it)
					{
						sum_x += (*it).second.x;
						sum_y += (*it).second.y;
						sum_z += (*it).second.z;
					}

					PointT temp;	//临时存放体素质心
					temp.x = sum_x / m_grid3D.count(grid_id);
					temp.y = sum_y / m_grid3D.count(grid_id);
					temp.z = sum_z / m_grid3D.count(grid_id);

					downSampleCloud->push_back(temp);
				}
			}
		}
	}
}

1.3 与 PCL：VoxelGrid 点云体素下采样结果对比

PCL提供了 VoxelGrid点云体素下采样 的接口，直接调用即可，输出结果如下：

->加载了 5746 个数据点
->正在进行体素下采样...
->体素下采样用时：0.058 s
->下采样点云的点数为：836
下采样结果对比
方法用时点数
本文方法0.243s856
PCL：VoxelGrid0.058s836
原始点云本文下采样点云PCL下采样点云

2 体素中心下采样

2.1 原理

与体素质心下采样类似，首先将点云进行 体素划分，然后计算非空体素的中心代替该体素内的所有点，实现点云的下采样。

2.2 体素中心的计算

已知一个点的行列层数 ( r o w , c o l , l a y ) (row,col,lay) (row,col,lay)，体素边长 s t e p step step，坐标最小值 x m i n 、 y m i n 、 z m i n x_{min}、y_{min}、z_{min} xmin​、ymin​、zmin​， 则该点所在体素的中心 P c e n t e r ( x c e n t e r , y c e n t e r , z c e n t e r ) P_{center}(x_{center},y_{center},z_{center}) Pcenter​(xcenter​,ycenter​,zcenter​) 为：
{ x c e n t e r = x m i n + ( c o l − 0.5 ) ∗ s t e p y c e n t e r = y m i n + ( r o w − 0.5 ) ∗ s t e p z c e n t e r = z m i n + ( l a y − 0.5 ) ∗ s t e p \begin{cases} x_{center}=x_{min}+(col-0.5)*step\\ y_{center}=y_{min}+(row-0.5)*step\\ z_{center}=z_{min}+(lay-0.5)*step\\ \end{cases} ⎩⎪⎨⎪⎧​xcenter​=xmin​+(col−0.5)∗stepycenter​=ymin​+(row−0.5)∗stepzcenter​=zmin​+(lay−0.5)∗step​

2.2 代码实现

代码分为三部分：

  • main.cpp
  • voxel_center_down_sampling.h
  • voxel_center_down_sampling.cpp

main.cpp

#include "voxel_center_down_sampling.h"
#include <pcl/console/time.h>

int main()
{
	//----------------------------- 加载点云 -----------------------------
	pcl::PointCloud<PointT>::Ptr cloud_in(new pcl::PointCloud<PointT>);
	if (pcl::io::loadPCDFile("grid.pcd", *cloud_in) < 0)
	{
		PCL_ERROR("/a->点云文件不存在！/n");
		system("pause");
		abort();
	}
	cout << "->共加载 " << cloud_in->points.size() << " 个数据点" << endl;
	//===================================================================

	pcl::console::TicToc time;
	time.tic();
	//------------------------- 体素中心下采样点云 ------------------------
	pcl::PointCloud<PointT>::Ptr cloud_downSample(new pcl::PointCloud<PointT>);
	VoxelCenterDownSample vcds;
	vcds.setInputCloud(cloud_in);
	vcds.setGridStep(0.2);
	vcds.downSample(cloud_downSample);
	
	cout << "->体素中心下采样用时：" << time.toc() / 1000 << " s" << endl;
	//===================================================================

	//------------------------- 保存体素下采样点云 ------------------------
	if (!cloud_downSample->empty())
	{
		pcl::io::savePCDFileASCII("downSample_center.pcd", *cloud_downSample);
		cout << "->下采样点云的点数为：" << cloud_downSample->points.size() << endl;
	}
	else
	{
		PCL_ERROR("\a->下采样点云为空！\n");
		system("pause");
	}
	//===================================================================

	return 0;
}

输出结果：

->共加载 5746 个数据点
->体素中心下采样用时：0.201 s
->下采样点云的点数为：856

voxel_center_down_sampling.h

#pragma once
#include <pcl/io/pcd_io.h>
#include <pcl/common/common.h>

using namespace std;

typedef pcl::PointXYZ PointT;

//体素中心下采样类
class VoxelCenterDownSample
{
public:
	/**
	* @brief   ：设置输入点云
	* @param[I]：cloud_in（输入点云）
	* @param[O]：none
	* @return  : none
	* @note    ：
	**/
	void setInputCloud(pcl::PointCloud<PointT>::Ptr cloud_in);

	/**
	* @brief   ：设置体素格网边长
	* @param[I]：step（体素格网边长）
	* @param[O]：none
	* @return  : none
	* @note    ：
	**/
	void setGridStep(double step);

	/**
	* @brief   ：体素中心下采样
	* @param[I]：none
	* @param[O]：downSampleCloud（下采样点云）
	* @return  : none
	* @note    ：
	**/
	void downSample(pcl::PointCloud<PointT>::Ptr downSampleCloud);

private:
	pcl::PointCloud<PointT>::Ptr m_cloud_in;	//输入点云
	bool is_setInputCloud = false;

	double m_step;		//格网边长
	bool is_setGridStep = false;

	int m_row;			//格网总行数
	int m_col;			//格网总列数
	int m_lay;			//格网总层数

};

voxel_center_down_sampling.cpp

#include "voxel_center_down_sampling.h"

/**
* @brief   ：设置输入点云
* @param[I]：cloud_in（输入点云）
* @param[O]：none
* @return  : none
* @note    ：
**/
void VoxelCenterDownSample::setInputCloud(pcl::PointCloud<PointT>::Ptr cloud_in)
{
	m_cloud_in = cloud_in;
	is_setInputCloud = true;
}

/**
* @brief   ：设置体素格网边长
* @param[I]：step（体素格网边长）
* @param[O]：none
* @return  : none
* @note    ：
**/
void VoxelCenterDownSample::setGridStep(double step)
{
	if (step > 0)
	{
		m_step = step;
		is_setGridStep = true;
	}
	else
	{
		PCL_ERROR("\a->格网边长应为正数！\n");
		system("pause");
		abort();
	}
}

/**
* @brief   ：体素中心下采样
* @param[I]：none
* @param[O]：downSampleCloud（下采样点云）
* @return  : none
* @note    ：
**/
void VoxelCenterDownSample::downSample(pcl::PointCloud<PointT>::Ptr downSampleCloud)
{
	if (!is_setGridStep)
	{
		PCL_ERROR("\a->请先设置格网边长！\n");
		system("pause");
		abort();
	}
	pcl::PointXYZ min;
	pcl::PointXYZ max;
	pcl::getMinMax3D(*m_cloud_in, min, max);

	m_row = (int)((max.y - min.y) / m_step) + 1;
	m_col = (int)((max.x - min.x) / m_step) + 1;
	m_lay = (int)((max.z - min.z) / m_step) + 1;

	int row_i;			//每一点的行号，从1开始
	int col_i;			//每一点的列号，从1开始
	int lay_i;		//每一点的层号，从1开始
	int grid_id_pt;		//逐行对应的一维格网编号id，从1开始
	multimap<int, PointT> m_grid3D;	//存放水平面格网点云的容器

	//遍历点云，进行三维体素格网化
	size_t num_cp = m_cloud_in->points.size();
	for (size_t i = 0; i < num_cp; i++)
	{
		row_i = (int)((m_cloud_in->points[i].y - min.y) / m_step) + 1;	//每一点的行号，从1开始
		col_i = (int)((m_cloud_in->points[i].x - min.x) / m_step) + 1;	//每一点的列号，从1开始
		lay_i = (int)((m_cloud_in->points[i].z - min.z) / m_step) + 1;//每一点的列号，从1开始

		grid_id_pt = (lay_i - 1) * (m_row * m_col) + (row_i - 1) * m_col + col_i;	//格网一维索引，从1开始
		m_grid3D.insert(pair<int, PointT>(grid_id_pt, m_cloud_in->points[i]));		//将每一个id对应的点坐标存入容器grids2D中
	}

	//判断体素是否为空，若非空，则计算体素内点云中心，以中心代替该体素内的所有点
	for (int lay = 1; lay <= m_lay; lay++)			//层扫描
	{
		for (int row = 1; row <= m_row; row++)		//行扫描
		{
			for (int col = 1; col <= m_col; col++)	//列扫描
			{
				int grid_id;	//逐行对应的一维格网编号id，从1开始
				grid_id = (lay - 1) * (m_row * m_col) + (row - 1) * m_col + col;
				
				//若体素格网内有点，则计算体素中心
				if (m_grid3D.count(grid_id))		
				{
					PointT temp;
					temp.x = min.x + (col - 0.5)*m_step;
					temp.y = min.y + (row - 0.5)*m_step;
					temp.z = min.z + (lay -0.5)*m_step;

					downSampleCloud->push_back(temp);
				}
			}
		}
	}
}

2.3 与体素质心下采样结果对比

下采样结果对比
方法用时点数
体素质心0.243s856
体素中心0.201s856
原始点云体素质心下采样点云体素中心下采样点云

3 总结

  • 体素质心下采样方法虽然耗时长，但采样结果更加准确；体素中心下采样方法耗时短，但容易失真。（由于本次实验数据点数较少，耗时接近，可尝试采样大规模点云验证）
  • 体素质心下采样和体素中心下采样，.h 文件是一样的，只是下采样实现的方式（.cpp）不同。
  • 注意下面的代码，行列层都是从1开始，并非0。因此for循环的判断条件是 “<=”，并非“=”。
for (int lay = 1; lay <= m_lay; lay++)				//层扫描
	{
		for (int row = 1; row <= m_row; row++)		//行扫描
		{
			for (int col = 1; col <= m_col; col++)	//列扫描
			{
				···
			}
		}
	}
三种点云下采样方法（一） — open3d python
叶子的博客
04-28 1万+
三种点云下采样方法 — open3d python，含数据和python源码，本节主要介绍体素下采样。
Open3D点云数据处理（十七）：体素滤波之体素中心下采样
孙悟空
07-31 2910
本文主要讲述：体素下采样原理、 体素下采样分类、 下采样结果对比、 体素中心下采样代码实现：1） 代码行实现；2） 函数封装 my_voxel_center_down_sample()
Open3d处理点云数据-体素下采样(五)
最新发布
weixin_47587392的博客
02-23 569
对于大规模点云处理而言，直接对点云进行特征提取能较好地保留三维结构信息，但由于点云的无序性，直接处理的方式在对邻域进行搜索时需要较高的计算成本，一个常用的解决方式就是对点云进行下采样，将对全部点云的操作转换到下采样所得到的关键点上，从而达到降低计算量的目的。或是进行点云曲面重建时，所获得的点云数量稀缺，则要对点云进行上采样操作，来增加点云数量，以便更好的计算曲面特征。以下来介绍常用的点云采样方法。
Open3D 体素随机下采样【2025最新版】
点云侠的博客
08-13 2090
体素随机采样，博客长期更新，本文最近更新时间为：2025年1月11日。
Open3D点云的体素下采样
纵马踏花向自由
06-17 910
Open3D 中的点云体素下采样（Voxel Downsampling）是一种用于减少点云数据量的常用方法。其原理基于将点云空间划分为固定大小的立方体（称为体素），并用每个体素中的代表点来替代该体素内的所有点。
PCL教程-点云滤波之体素滤波器（下采样）
DayDayUp
09-10 1万+
原文链接：Downsampling a PointCloud using a VoxelGrid filter 点云文件下载：table_scene_lms400.pcd 在本篇教程中，我们将使用体素化的方式对点云数据进行下采样。 原理 下采样：减少点云数据集中点云数量 体素滤波器可以达到向下采样同时不破坏点云本身几何结构的功能，但是会移动点的位置。 此外体素滤波器可以去除一定程度的噪音点及离群点。主要功能是用来进行降采样。 它的原理是根据输入的点云，首先计算一个能够刚好包裹住该点云的立..
Easy3D&CGAL 点云下采样（体素）
dayuhaitang1的博客
10-10 468
Easy3D&CGAL 点云下采样（体素）
点云下采样
qq_60088512的博客
12-16 1704
ptCloud = pcread('hand.pcd'); pcshow(ptCloud); title('原始点云'); %----------------体素下采样---------------- gridStep = 0.1; %体素网格过滤器的3D框大小 ptCloudOut1 = pcdownsample(ptCloud,'gridAverage',gridStep); figure; pcshow(ptCloudOut1); title('体素下采样') %----------------随机.
CUDA&PCL 点云体素下采样
dayuhaitang1的博客
09-04 877
CUDA&PCL 点云体素下采样
基于体素下采样和关键点提取的点云自动配准
01-26
针对最近点迭代算法(ICP)在大数据点云下配准效率低及对配准点云初始位置依赖性强的缺点,提出了一种基于快速点云粗配准与 ICP 算法相结合的方法。根据体素对原始点云进行下采样,结合法向量特征提取关键点,使用快速点特征直方图(FPFH)算法描述关键点;根据局部邻域内的关键点匹配对的向量夹角特性进一步对匹配点对进行精简;对精简后的关键点对集使用随机采样一致性算法(RANSAC)获取内点最多的变换参数,从而完成点云粗配准;最后在粗配准点云的基础上使用 ICP 算法完成精确配准。实验结果表明,本算法在高密集点云上的配准效率和精度均有所提高。
Open3D点云数据处理（十六）：体素滤波之近似体素质心下采样
孙悟空
07-30 2410
本文主要讲述： 体素下采样原理、 分类、下采样结果对比、 体素中心下采样代码实现：1） 代码行实现；2）2.2 函数封装 my_approximate_voxel_down_sample()
PCL 点云体素滤波
纵马踏花向自由
10-10 1043
体素滤波（Voxel Grid Filter） 是一种常用的点云降采样方法。它通过将点云划分为固定大小的三维网格（体素），然后用每个体素内的点的代表值（如质心）来代替体素内的所有点，从而达到减少点云数据量的目的。
Open3d之点云体素下采样
ancy的博客
12-30 4657
体素下采样使用常规体素网格从输入点云创建统一下采样的点云。 它通常用作许多点云处理任务的预处理步骤。 该算法分为两个步骤： 点被存储到体素中。 每个占用的体素通过平均内部的所有点来精确生成一个点。 ...
点云降采样（DownSampling）
热门推荐
MSTIFIY的博客
07-26 1万+
点云降采样学习笔记
Open3D点云数据处理（十五）：体素滤波之体素质心下采样
孙悟空
07-30 2753
本文主要讲述：体素下采样原理、下采样结果对比、 体素质心的计算、体素质心下采样代码实现：1） voxel_down_sample()函数；2）手写代码实现
点云梯度下采样
MSTIFIY的博客
11-27 2156
点云梯度下采样
PCL：VoxelGrid 点云体素下采样
孙悟空
08-31 2650
本文介绍了 PCL 体素下采样的方法。
python体素下采样
02-21
### 使用Python实现体素下采样 #### 利用PyntCloud库进行体素下采样 对于点云数据的体素下采样，`PyntCloud` 提供了一种简便的方法。通过调用 `get_sample` 方法并指定 `'voxelgrid_centroids'` 类型以及所需的体素尺寸，即可完成这一过程[^1]。 ```python from pyntcloud import PyntCloud import pandas as pd # 假设有一个名为points的DataFrame，其中包含x,y,z列表示点坐标 cloud = PyntCloud(points) # 执行体素下采样 voxelgrid_id = cloud.add_structure("voxelgrid", size_x=0.05, size_y=0.05, size_z=0.05) downsampled_cloud = cloud.get_sample( "voxelgrid_nearest", voxelgrid=voxelgrid_id, as_PyntCloud=True ) ``` #### 使用Open3D库实施体素下采样 另一种流行的解决方案是采用 `Open3D` 库来进行更高效的体素下采样操作。此方法允许用户简单地调整 `voxel_size` 参数来控制最终输出点的数量。较小的 `voxel_size` 将保留更多的细节，而较大的值则会更加简化模型结构[^2][^3]。 ```python import open3d as o3d # 加载PLY格式的点云文件 pcd = o3d.io.read_point_cloud('path_to_ply_file.ply') # 设置体素大小并对点云应用体素下采样算法 downsampled_pcd = pcd.voxel_down_sample(voxel_size=0.05) # 可视化处理后的点云 o3d.visualization.draw_geometries([downsampled_pcd]) ``` 这两种方式都提供了灵活且易于使用的接口，在实际项目中可以根据具体需求和个人偏好选择合适的工具。
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

孙 悟 空

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值