PointCloudLib 点云随机降采样 C++版本

0.实现效果

随机降采样是众多降采样算法中，速度最快的（应该是），多次测试之后感觉降采样还是比较平均。

1.算法原理

PCL（Point Cloud Library）中的随机降采样（Random Downsampling）原理相对直观。其主要目的是通过随机选择点云中的一部分点来减少点的数量，从而降低数据量和计算复杂度，同时尽可能保持点云的形状和特征。

随机降采样的具体实现通常涉及以下几个步骤：

1. 确定采样率：首先，需要确定要从原始点云中抽取的点的比例或数量。这通常根据具体的应用需求和数据集的特性来确定。
2. 生成随机数：使用一个随机种子（seed）来生成一个随机数序列。这个种子可以是固定的，以便在需要时能够重现结果，也可以是随机的，以确保每次采样的结果都不同。
3. 随机选择点：根据生成的随机数序列，从原始点云中随机选择相应数量的点。这个过程通常是基于点的索引或ID进行的，以确保每个点都有被选中的机会。
4. 创建降采样后的点云：将选中的点保存到一个新的点云对象中，这个对象就代表了降采样后的点云。

需要注意的是，随机降采样虽然简单有效，但也有一些局限性。例如，由于它是随机选择点的，因此可