点云稀疏化算法：基于固定点数量的点云下采样

在计算机视觉和三维重建领域，对点云数据进行处理是一项重要的任务。点云下采样是其中的一个常见操作，通常用于减少点云数据的密度以提高计算效率，同时保留重要的形状特征。本文将介绍一种基于固定点数量的点云下采样算法，并给出相应的源代码实现。

算法原理：
传统的点云下采样方法通常使用体素格化（Voxel Grid）或基于距离阈值的方法进行采样。然而，这些方法不能准确控制输出点云的数量，因此无法满足某些特定需求。为了解决这个问题，本文提出了一种基于固定点数量的点云下采样算法。

算法步骤：

1. 输入：原始点云数据cloud，目标点数target_point_num。
2. 初始化：设置当前点数current_point_num为0，创建空的目标点云数据target_cloud。
3. 对于原始点云中的每个点point：
   1. 将当前点添加到目标点云数据target_cloud中。
   2. 当前点数current_point_num加1。
   3. 若当前点数current_point_num达到目标点数target_point_num，则跳出循环。
4. 输出：目标点云数据target_cloud。

代码实现：