目录

一、背景

二、代码实现

2.1 关键函数

2.2完整代码

三、实现效果

3.1原始点云

3.2下采样后点云

3.3数据对比

---

一、背景

      在Open3D中，如果你想将点云随机采样到固定的点数，可以使用random_down_sample 函数并计算相应的采样比例。以下是如何实现这一功能的示例代码。

二、代码实现

2.1 关键函数

        定义一个函数 random_sample_to_fixed_number，接受一个点云对象 pcd 和目标点数 target_num_points 作为参数。该函数首先检查原始点云是否已经小于或等于目标点数，如果是，则直接返回原始点云。否则，计算采样比例并进行随机采样。如果采样后的点数仍然超过目标点数，则通过减小采样比例来调整采样结果

def random_sample_to_fixed_number(pcd, target_num_points):
    original_num_points = np.asarray(pcd.points).shape[0]
    if original_num_points <= target_num_points:
        return pcd
    sampling_ratio = target_num_points / original_num_points
    sampled_pcd = pcd.random_down_sample(sampling_ratio)
    while len(sampled_pcd.points) > target_num_points:
        sampling_ratio -= 0.01
        sampled_pcd = pcd.random_down_sample(sampling_ratio)
    return sampled_pcd

2.2完整代码

import open3d as o3d
import numpy as np

def random_sample_to_fixed_number(pcd, target_num_points):
    # 获取原始点云的点数
    original_num_points = np.asarray(pcd.points).shape[0]

    # 如果原始点数小于或等于目标点数，则无需采样
    if original_num_points <= target_num_points:
        return pcd

    # 计算采样比例
    sampling_ratio = target_num_points / original_num_points

    # 随机采样点云
    sampled_pcd = pcd.random_down_sample(sampling_ratio)

    # 检查采样后的点数并调整
    while len(sampled_pcd.points) > target_num_points:
        sampling_ratio -= 0.01  # 减小采样比例
        sampled_pcd = pcd.random_down_sample(sampling_ratio)

    return sampled_pcd

# 读取点云
pcd = o3d.io.read_point_cloud(r"E:\work\Open3D\open3d20231128\Blog_Cloud\standford_cloud_data\China dragon.pcd")
o3d.visualization.draw_geometries([pcd], window_name="原始点云")

# 打印原始点云信息
print("原始点云数量:", len(pcd.points))

# 设定目标点数
target_num_points = 10000

# 进行随机采样
sampled_pcd = random_sample_to_fixed_number(pcd, target_num_points)

# 打印采样后的点云信息
print("采样后的点云数量:", len(sampled_pcd.points))

# 可视化采样后的点云
o3d.visualization.draw_geometries([sampled_pcd], window_name="采样后的点云")

三、实现效果

3.1原始点云

3.2下采样后点云

3.3数据对比

原始点云数量: 437645
采样后的点云数量: 10000