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。
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。
点云的大小或分辨率（密度）太大。
对Zivid点云进行降采样以减小其大小和分辨率。
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
。
出于性能原因的考量，可以将降采样API与转换和法线API结合使用，因为GPU执行所有这些计算时， 点云数据仍在GPU内存中时。
为了最快地完成数据处理，可以先对点云进行降采样，然后对其进行转换。
如需对点云进行降采样，您可以运行我们的代码示例。
Python
示例：
downsample.py
python /path/to/downsample.py --zdf-path /path/to/file.zdf
