最遠點采樣(Farthest Point Sampling)
這里我們來單獨看一下調用代碼，這里可以看到PCL中支持直接調用farthest_sampling這個函數可以實現最遠點采樣。

最遠點采樣(Farthest Point Sampling)是一種非常常用的采樣算法，由于能夠保證對樣本的均勻采樣，被廣泛使用，像3D點云深度學習框架中的PointNet++對樣本點進行FPS采樣再聚類作為感受野，3D目標檢測網絡VoteNet對投票得到的散亂點進行FPS采樣再進行聚類，6D位姿估計算法PVN3D中用于選擇物體的8個特征點進行投票并計算位姿。FPS算法原理：

1、輸入點云有N個點，從點云中選取一個點P0作為起始點，得到采樣點集合S={P0}；

2、計算所有點到P0的距離，構成N維數組L，從中選擇最大值對應的點作為P1，更新采樣點集合S={P0，P1}；

3、計算所有點到P1的距離，對于每一個點Pi，其距離P1的距離如果小于L[i]，則更新L[i] = d(Pi, P1)，因此，數組L中存儲的一直是每一個點到采樣點集合S的最近距離；

3、選取L中最大值對應的點作為P2，更新采樣點集合S={P0，P1，P2}；

4、重復2-4步，一直采樣到N’個目標采樣點為止。

std::vector< pcl::PointCloud< pcl::PointXYZ >> input_point_clouds(1);
  std::vector< pcl::PointCloud< pcl::PointXYZ >> output_point_clouds;


  ASSERT_NE(pcl::io::loadPLYFile< pcl::PointXYZ >(STR(INPUT_POINT_CLOUD_PATH),
            input_point_clouds[0]), -1) < < "Couldn't read file test point cloud file";
  farthest_sampling::samplePointCloudsCuda(input_point_clouds, output_point_clouds, 4096);
  boost::filesystem::path output_path = STR(OUTPUT_POINT_CLOUD_PATH);
  if (output_path.has_parent_path() && !boost::filesystem::exists(output_path.parent_path()))
  {
    boost::filesystem::create_directories(output_path.parent_path());
  }
  pcl::io::savePLYFile(STR(OUTPUT_POINT_CLOUD_PATH), output_point_clouds[0]);
  ASSERT_EQ(output_point_clouds[0].size(), 4096);