降采样

小技巧

我们的网络研讨会 Getting your point cloud ready for your application （为您的应用准备好点云）部分涵盖了降采样的相关内容。

介绍 

本文介绍了降采样的概念，解释了它为何有价值并演示了如何对Zivid点云进行降采样。

Zivid相机使用 2.3 MP的传感器 (Zivid One+分辨率为 1920 x 1200，Zivid Two分辨率为 1944 x 1200) 来捕获场景的点云。点云由 XYZ（3D）、RGB（颜色）和SNR数据组成。生成的点云由230万个点组成。

一些应用不需要高密度的点云数据，例如通过将平面拟合到盒子表面来进行盒子检测。此外，由于数据量通常太大，机器视觉算法可能无法以应用程序所需的速度进行处理。点云降采样可以在这些应用中发挥作用。

点云上下文中的降采样是在保持相同3D表征的情况下降低空间分辨率。它通常用于将数据转换为更易于管理的大小，从而减少存储和处理要求。

问题	点云的大小或分辨率（密度）太大。
解决方案	对Zivid点云进行降采样以减小其大小和分辨率。

可以就地进行降采样，从而修改当前点云。

C++

pointCloud.downsample(Zivid::PointCloud::Downsampling::by2x2);

C＃

pointCloud.Downsample(Zivid.NET.PointCloud.Downsampling.By2x2);

Python

point_cloud.downsample(zivid.PointCloud.Downsampling.by2x2)

也可以将降采样后的点云作为一个新的点云实例，它不会改变现有的点云。

C++

auto downsampledPointCloud = pointCloud.downsampled(Zivid::PointCloud::Downsampling::by2x2);

C＃

var downsampledPointCloud = pointCloud.Downsampled(Zivid.NET.PointCloud.Downsampling.By2x2);

Python

downsampled_point_cloud = point_cloud.downsampled(zivid.PointCloud.Downsampling.by2x2)

Zivid SDK支持以下降采样率： by2x2, by3x3，和 by4x4, 可以进行多次降采样。

备注

Zivid SDK中的降采样API速度很快，因为它是在GPU上并行完成的，而此时点云数据仍在GPU内存中。使用第三方库进行降采样可能更耗时：CPU计算通常要慢得多，而GPU计算则需要多出一次数据复制过程。查看点云捕获过程了解更多信息。

如果您对如何实现该功能感兴趣，请查看我们的降采样代码示例 C++, C＃, Python，和 MATLAB。

小技巧

如需对点云进行降采样，您可以运行我们的代码示例。

Python

python /path/to/downsample.py --zdf-path /path/to/file.zdf

要了解有关如何进行降采样以及它为什么并非是一个无足轻重的功能，请查看文章降采样理论。

SDK	变更
2.1.0	添加了降采样API。