【点云抽稀】一种基于均匀分布随机数的点云抽稀算法

1. 背景

在大数据点云的存储中，常常要进行空间分区，一般的策略是构建四叉树或者八叉树。在构建树的过程中，一个不可避免的点就是点云的快速抽稀。

不同层级之间，下一层的数据永远比上一层的数据更加精细，即：上一层数据是从下一层通过某种抽稀算法筛选出来的。常规意义上的抽稀算法，是在内存中进行筛选，但由于大数据点云的特殊性（无法全部读进内存），这些抽稀算法均不满足要求，存在一下问题：

1. 无法全部读进内存，因此抽稀之后不同分块（分块策略是前提）的效果不一；
2. 抽稀效率比较低，需要预先将数据读进内存，再进行分层筛选；

某项目中，需要将*.las转换成自定义格式，其转换速率要求很高。而由于las文件在使用LASTools读写时，只能逐点读取，因此需要一种既能解决上述问题，又能保证效率的抽稀算法。

本文介绍的抽稀算法，原理上是利用伪随机数的均匀分布来实现，但同时能兼顾效率和效果。其局限性如下：

1. 随机数表是存储在内存中，因此数据量过大的情况下，内存占用可能会很高；
2. 抽稀效率随C++标准库的随机数生成算法影响；
3. 数据量很小的时候，存在某层数据为空的可能；

2. 原理

基于以下出发点：

1. 每读一个点，能立即得到该点所属层级——las的逐点读限制；
2. las文件只需读一次，就能得到抽稀结果——O(n),n为点数；
3. 保证抽稀结果均匀——加入随机数；

对于第一点，将las文件中的顶点数据，类比成一个存储了顶点的数组：

v	v	v	v	v	v	v	v	v	v	v	v	v	v	v	v	…

LASTools的读操作器每一次读取的时候，都会将游标移到下一个点。对每一个点来说，本身并没有层级信息，因此需要人为地赋予其层级。

计算层级可以类比分类游戏：一堆小球从入口进入，中间穿插阻碍棒，最终落到容器内：

而将红色小球理解为点云的顶点，将下面的容器理解为结果，则中间的蓝色小球是我们的抽稀算法。

核心原理就是，每次获取一个随机数，这个随机数的值就是当前点所在的层级。而随机数的范围，就是按照n叉树的层级点数比例，计算出来的一个值。具体实现见后文。

3. 实现

3.1 定义Utils类

class Utils
{
   
   
private:
    Utils(int lvl);
    ~Utils();

public:
    static Utils &instance();
    int getLayer();

protected:
    char *m_lv