一種基于體素網格的三維點云均勻降采樣方法

肖正濤，高 健，吳東慶，張攬宇

（1.廣東工業大學省部共建精密電子制造技術與裝備國家重點實驗室，廣東廣州 510006；2.廣東工貿職業技術學院機電工程學院，廣東廣州 510510；3.仲愷農業工程學院計算科學學院，廣東廣州 510220）

1 引言

隨著三維激光掃描技術的快速發展和普及，三維點云的獲取變得越來越容易。由于三維激光掃描技術具有非接觸、高效率、高精度等優點，已被廣泛應用在自動化加工生產線、虛擬現實、無人駕駛汽車等領域。由于實際得到的三維點云數據往往包含有大量的冗余數據，在使用點云數據前通常要進行降采樣（Downs?Ampling［1］）處理，以提升點云的最終處理效率和效果。

降采樣，也稱下采樣，簡而言之就是對點云進行精簡［2?3］。點云降采樣的方法有很多，通常分為不考慮點云細節特征和考慮點云細節特征兩大類。不考慮點云細節特征的降采樣方法有體素網格（Voxel Grid［4］）、系統采樣（Systematic Sampling［5］）、隨機采樣（Random Sampling［6］）、最遠點采樣（Farthest Point Sampling［7］）等。考慮點云細節特征的算法一般會將點云的法向、曲率、是否位于邊緣等信息結合在內。文獻［8］提出了一種基于柵格動態劃分的點云精簡方法，對不同的區域采取不同精簡策略，該方法能較好地保持模型的細微特征。文獻［9］提出了一種能夠保留邊緣點的點云簡化算法，通過八叉樹建立k鄰域，以法向量為依據檢測并保留邊緣特征點，該算法保留的邊緣點大部分為模型的尖銳點。文獻［10］提出了一種自適應下采樣深度學習網絡，該方法能根據應用、任務和訓練數據的不同，減少無序點云中的點數，同時保留重要點。……