在保持形状的同时将点云下采样到特定数量的点
Downsampling point clouds to specific number of points while retaining shape
环境：Python-PCL，WIndows10，Python3.6
我需要将点云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。通过文档，我了解到只有
VoxelGrid、ConditionalOutlierRemoval、StatisticalOutlierRemoval 和 RadiusOutlierRemoval 是可用的选项。
在VoxelGrid中，叶子的大小并不能保证点的数量，去除Radius对保持形状没有帮助，而统计异常值主要有助于去除噪声。
有什么解决办法吗？可以用numpy.random.choice()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，我很关心。无论如何要动态使用 VoxelGrid？
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大小，没有动态方法可以做到这一点。
或者，您可能会幸运地使用最远点采样，因为它可以让您 select N 点并且具有很好的蓝噪声特性，但据我所知，这在 PCL.
环境：Python-PCL，WIndows10，Python3.6
我需要将点云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。通过文档，我了解到只有
VoxelGrid、ConditionalOutlierRemoval、StatisticalOutlierRemoval 和 RadiusOutlierRemoval 是可用的选项。
在VoxelGrid中，叶子的大小并不能保证点的数量，去除Radius对保持形状没有帮助，而统计异常值主要有助于去除噪声。
有什么解决办法吗？可以用numpy.random.choice()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，我很关心。无论如何要动态使用 VoxelGrid？
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大小，没有动态方法可以做到这一点。
或者，您可能会幸运地使用最远点采样，因为它可以让您 select N 点并且具有很好的蓝噪声特性，但据我所知，这在 PCL.