如何对点云进行降采样，使其具有特定数量的点，以便将新数据提供给基于PointNet的模型？

Question

我想创建我自己的数据集，这样我就可以将它用于培训和测试目的。问题是，我可以亲自挑选训练和测试的点数，使之成为一定数量的点数(在我的例子中是4096)，但是对于新的数据，这是不可能的，因为我想要进行实时场景，而手工选择点不是一种选择。

每次，我得到的作为新数据的点数是不同的。有时点在100 K左右，有时是200 K左右。有没有办法将点云降为特定数量的点？

我正在使用Open3D，但是我找不到任何方法来帮助我。任何帮助都将不胜感激。

Answer 1

我认为示例是你要找的。

farthest_point_down_sample(self: open3d.cpu.pybind.geometry.PointCloud, num_samples: int) → open3d.cpu.pybind.geometry.PointCloud

向下样本输入点云到具有一组点集的输出点云有最大的距离。该示例通过迭代地从前面选定的点中选择最远的点来执行。

与其他选项不同，它允许您设置所需点数的确切数量。值得注意的是，考虑到抽样的稀疏性，这种选择策略应该能给出很好的结果(根据您的例子，大约有2%)。