DownSampling 降采样

DownSampling 算子作用于对点云进行稀疏化处理。对于部分算子，少量稀疏的点云足以完成计算，过于稠密的点云只会降低算子执行效率，此时可以考虑首先对原始点云进行稀疏化处理再进行后续运算。

type	功能
DownSample	降采样。数据点结果分布较为均匀。
UniformSample	速度更快的降采样，但是数据点结果分布不均。

DownSample

将 DownSampling 算子 类型 设置为 DownSample ，通过对数据进行分割和重采样来降低数据的复杂度和密度，用于降采样。

x方向采样/leaf_x：指定 x 轴方向点云重采样间距。
y方向采样/leaf_y：指定 y 轴方向点云重采样间距。
z方向采样/leaf_z：指定 z 轴方向点云重采样间距。

说明：默认都为0.01m，表示在 0.01m * 0.01m * 0.01m 的空间尺度内仅取一个点。
点云_cloud：设置降采样后点云在 3D 视图中的可视化属性。
- 打开过滤后点云可视化。
- 关闭过滤后点云可视化。
- 设置 3D 视图中点云的颜色。取值范围：[-2,360] 。默认值：-1 。
- 设置点云中点的尺寸。取值范围：[1,50] 。默认值：1 。
点云列表/cloud_list：设置降采样后点云列表在 3D 视图中的可视化属性。值描述与 点云 一致。

输入：

说明：根据需求选择其中一种数据信号输入即可。

输出：

使用 DownSampling 中 DownSample 对加载的点云进行降采样。

步骤1：算子准备

添加 Trigger 、Load 、DownSampling 算子至算子图。

步骤2：设置算子参数

设置 Load 算子参数：
- 类型 → PointCloud
- 文件 → → 选择点云文件名 ( example_data/pointcloud/fruit.pcd )
- 点云 → 可视→ -2
设置 DownSampling 算子参数：
- 类型 → DownSample
- x方向采样 → 0.01
- y方向采样 → 0.01
- z方向采样 → 0.01
- 点云 → 可视→ -2

步骤3：连接算子

3D_DownSamling_nodes

步骤4：运行

点击 RVS 运行按钮，触发 Trigger 算子。

运行结果

如下图所示，3D 视图中，左图为 Load 算子的点云可视化结果，右图为 DownSampling 算子的点云可视化结果。

3D_DownSampling_result

将 DownSampling 算子 类型 设置为 UniformSample ，对数据进行均匀采样来保留数据的形状和分布，用于速度更快的降采样。

采样规模/sampling_size：抽样大小。
点云/cloud：设置降采样后点云在3D视图中的可视化属性。
- 打开过滤后点云可视化。
- 关闭过滤后点云可视化。
- 设置3D视图中点云的颜色。取值范围：[-2,360] 。默认值：-1 。
- 设置点云中点的尺寸。取值范围：[1,50] 。默认值：1 。
点云列表/cloud_list：设置降采样后点云列表在3D视图中的可视化属性。值描述与 点云一致。