在保持形状的同时将点云下采样到特定数量的点答案

【问题标题】：Downsampling point clouds to specific number of points while retaining shape在保持形状的同时将点云下采样到特定数量的点
【发布时间】：2019-01-28 14:14:38
【问题描述】：

环境：Python-PCL、Windows 10、Python 3.6

我需要将点云下采样到特定数量的点。这些点云的大小各不相同，因此我被卡住了。通过阅读文档，我知道只有 VoxelGrid、ConditionalOutlierRemoval、StatisticalOutlierRemoval 和 RadiusOutlierRemoval 是可用的选项。

在 VoxelGrid 中，叶子大小不能保证点的数量，去除半径不利于保持形状，统计异常值主要有助于去除噪声。

有什么解决办法吗？可以使用numpy.random.choice()并期待奇迹吗？

编辑：numpy.random.choice 有效，但前提是您不关心点云的几何形状，我会这样做。无论如何要动态使用 VoxelGrid？

【问题讨论】：

如果您使用numpy.random.choice，结果是否适合您的目的？这似乎是最简单的选择。
结果是一个完整的结果。有时它会保留几何形状，有时则不会。我想尝试 VoxelGrid，但由于我的点云形状从 500 点到 7000 点，我正在寻找一种方法来根据点云的密度使叶子大小动态化。
@kav 我面临同样的问题。您找到解决方案了吗？

标签： python numpy point-clouds downsampling

【解决方案1】：

很遗憾，答案是否定的。使用 PCL 的 VoxelGrid 的输出点数始终是占用体素数的函数。控制占用体素数量的唯一方法是改变叶子的大小，并且没有动态的方法来做到这一点。

或者，您可能会很幸运地使用最远点采样，因为它可以让您选择 N 个点并且具有良好的蓝噪声属性，但据我所知，这在 PCL 中不可用。

【讨论】：

我后来也意识到了这一点。叶大小和输出云不是线性相关的。我尝试了非常受欢迎的 numpy 方法，但是 python 中是否有任何替代库可以用来处理点云？所以我只知道python-pcl。尽管他们在文档中提到点云可以被视为 numpy 数组，但我并不完全确定这一点，因为几何形状会受到严重影响。