摘要：本文说首次实现了大规模点云场景中基于点的模型的实时检测（首先指出FPS采样策略进行下采样是耗时的，尤其当点云增加的时候，计算量和推理时间快速增加；本文提出IC-FPS；包含两个模块：localfeaturediffusionbasedbackgroundpointfilter(LFDBF)；CentroidInstanceSamplingStrategy(CISS)；LFDBF用来排除大量的背景点，而CISS用来替代FPS；简介：早期的工作将点云投影为多视图，或体素点云，并通过3D卷积提取特征。这些方法虽然取得了很好的效果，但在将点云转换为block等中间表示时，不可避免地会丢失信息，导

摘要：本文说首次实现了大规模点云场景中基于点的模型的实时检测（首先指出FPS采样策略进行下采样是耗时的，尤其当点云增加的时候，计算量和推理时间快速增加；本文提出IC-FPS；包含两个模块：localfeaturediffusionbasedbackgroundpointfilter(LFDBF)；CentroidInstanceSamplingStrategy(CISS)；LFDBF用来排除大量的背景点，而CISS用来替代FPS；简介：早期的工作将点云投影为多视图，或体素点云，并通过3D卷积提取特征。这些方法虽然取得了很好的效果，但在将点云转换为block等中间表示时，不可避免地会丢失信息，导

当需要生成随机点且要求随机点自然均匀的分布时，使用泊松盘采样就较为适合。但该方法与统计学上的概念关联不大，这个只相当于点在面积上服从泊松分布，而实现这个结果有很多做法。 最终效果： 圆形为含半径的点，圆形的中心代表生成点 B站有一个不错的搬运教程(Bridson方法)：https://www.bilibili.com/video/BV1KV411x7LM 另外Bridson文章里说蓝噪声(BlueNoise)也基于此方法生成 我做了些修改，代码如下：usingSystem.Collections;usingSystem.Collections.Generic;usingUnityEngine;

当需要生成随机点且要求随机点自然均匀的分布时，使用泊松盘采样就较为适合。但该方法与统计学上的概念关联不大，这个只相当于点在面积上服从泊松分布，而实现这个结果有很多做法。 最终效果： 圆形为含半径的点，圆形的中心代表生成点 B站有一个不错的搬运教程(Bridson方法)：https://www.bilibili.com/video/BV1KV411x7LM 另外Bridson文章里说蓝噪声(BlueNoise)也基于此方法生成 我做了些修改，代码如下：usingSystem.Collections;usingSystem.Collections.Generic;usingUnityEngine;

目录ImportanceSampling（IS）LightBVH[2018~2019]预构建BVH重建BVH基于BVHnode的ISReal-timeStochasticLightcuts[2020]莫顿序排序（MortonOrderSofting）构建LightTree基于Lightcuts的ISCutSharingReSTIR（ReservoirSpatio-TemporalImportanceResampling）[2020]ResampledImportanceSampling(RIS)WeightedReservoirSampling(WRS)基于屏幕空间的多光源RIS预处理光源pi

目录ImportanceSampling（IS）LightBVH[2018~2019]预构建BVH重建BVH基于BVHnode的ISReal-timeStochasticLightcuts[2020]莫顿序排序（MortonOrderSofting）构建LightTree基于Lightcuts的ISCutSharingReSTIR（ReservoirSpatio-TemporalImportanceResampling）[2020]ResampledImportanceSampling(RIS)WeightedReservoirSampling(WRS)基于屏幕空间的多光源RIS预处理光源pi