如何生成密集点云的稀疏版本

Question

我有一个大的 3D 点云文件，格式为

x(1) y(1) z(1) g(1)

...

...

x(n) y(n) z(n) g(n)

现在由于 cpu 功率限制，我无法显示所有 3D 点，只想选择其中的一个子集。只说五分之一的分数。

如果我执行以下操作

while (){
if x(i) % 5 == 0 keep the 3d point
}

结果是 zibera 模式，所以看起来不太好。您建议使用什么算法来选择最佳候选点来形成点的子集，从而形成与原始密集点云最相似的子 3D 点云？

谢谢

语言无关紧要（matlab、java c 等），重要的是我们如何制作原始版本的更稀疏版本。

Answer 1

作为第一个答案中提到的随机子采样的替代方法，您可以尝试以下方法：

1. 计算点云的边界框（轴对齐或定向边界框），
2. 选择一个单元格大小（边界框现在包含此大小的 W x H x D 单元格），
3. 将点云的所有点散列到它们各自的单元格网格中，并且每个单元格最多只保留 N 个点 (N >= 1)，或者更简单，只需删除或保留每个第 N 个点。

Answer 2

随机二次抽样有什么问题吗？

f = fractionOfDataToKeep(); // between 0 (0%) and 1 (100%)
while() {
  r = rng(1.0); // pseudorandom number between 0 and 1
  if (r < f) keepThe3DPoint()
}