点云最远点采样FPS(Farthest Point Sampling)方法的优势是可以尽可能多地覆盖到全部点云，但是需要多次计算全部距离，因而属于复杂度较高的、耗时较多的采样方法。

1 FPS采样步骤

        FPS采样步骤为：
        （1）选择一个初始点：可以随机选择，也可以按照一定的规则来选取。如果随机选取那么每次得到的结果都是不一样的，反之每次得到的结果就是一致的。

        （2）计算所有点与（1）中点的距离，选择距离最大的值作为新的初始点。

        （3）重复前两步过程，知道选择的点数量满足要求。

        由于（2）中每次选择的距离都是最大的，所以迭代的过程距离最大值会逐渐减少。这也就是下面代码中mask选取的依据。如果把加这一个限制，那么点会被来回重复选到。

2 python源码

# -*- coding: utf-8 -*-
"""
乐乐感知学堂公众号
@author: https://blog.csdn.net/suiyingy
参考：https://github.com/yanx27/Pointnet_Pointnet2_pytorch
"""
import numpy as npdef farthest_point_sample(point, npoint):"""Input:xyz: pointcloud data, [N, D]npoint: number of samplesReturn:centroids: sampled pointcloud index, [npoint, D]"""N, D = point.shapexyz = point[:,:3]centroids = np.zeros((npoint,))distance = np.ones((N,)) * 1e10farthest = np.random.randint(0, N)for i in range(npoint):centroids[i] = farthestcentroid = xyz[farthest, :]dist = np.sum((xyz - centroid) ** 2, -1)mask = dist < distancedistance[mask] = dist[mask]farthest = np.argmax(distance, -1)point = point[centroids.astype(np.int32)]return point

python三维点云从基础到深度学习_Coding的叶子的博客-CSDN博客_3d点云 python从三维基础知识到深度学习，将按照以下目录持续进行更新。https://blog.csdn.net/suiyingy/article/details/124017716