1.一种基于最优传输理论的多尺度稀疏蓝噪声采样方法，其特征在于，该方法具体包括以下步骤：S1：输入原始点云，并对其数据进行预处理；

n

S2：利用2‑tree结构对预处理之后的数据分层，并计算每一层上的点云质量和坐标，具体包括：首先指定分层深度为K，用一个超立方体ψ1完全包含输入数据并标记它为第一层，然后划分得到每一个子层，直到深度达到K，原始数据作为第K+1层输入，输入数据包含坐标9

和初始质量；其余层点的质量从第K+1层向前迭代计算，第1层点的质量为1*10；

S3：对每一类采样点，迭代所有层，求解稀疏子问题和构建遮蔽邻域，获得全局最优的传输计划；

将采样问题转化为最优传输问题，被采样点集的概率测度公式为：其中，对上述概率密度ρ(x)采样，得到采样点集的概率测度μ，并且采样点为概率测度函数的狄拉克测度重心；

在空间X和Y上，全局的传输计划为：

∏(μ,ν)＝{π∈P(X×Y):π({x}×Y)＝μ(x),π(X×{y})＝ν(y)}其中，π表示传输计划，P(X×Y)表示一个概率测度，x和y表示空间中的一个点；

使用Network‑simplex和sinkhorn方法求解稀疏子问题，即获得局部的传输计划；

所述sinkhorn方法通过一个迭代伯格曼投影实现，计算公式为：L＝L+1；

L L

则局部的传输计划表达为：Π＝diag(u)Kdiag(v)，其中 L表示迭代次数，a、b表示输入的概率密度函数，D表示距离矩阵，ε是一个参数，用于控制算法的性能；

遮蔽邻域是一系列满足条件的项构成，每一项是点与点之间质量传输的方式；这里的条件定义为遮蔽条件并且c(x,y)是点x和y之间的欧式距离：c(xA,yB)‑c(xs,yB)＞c(xA,ys)‑c(xs,ys)其中，xA属于空间X的一个点，yB属于空间Y的一个点，(xs,ys)属于X和Y的笛卡尔积中的一个元素；

S4：根据全局最优的传输计划，计算每一类采样点的重心，并利用牛顿迭代法更新采样点位置；

计算每一类采样点的Wasserstein重心用于更新采样点位置，在最优传输问题中，Wasserstein重心被看作采样点，定义为：其中， 表示Wasserstein距离，p是一个大于1的常数，N表示采样点的类别数目，λj表示第j类采样点集重心的权重参数；

利用牛顿迭代法更新采样点的位置：

其中，Y表示采样点位置，θ表示牛顿迭代参数，λj表示第j类采样点集重心的权重参数，重心通过传输计划πj求得，表示为： 其中σj表示第j类采样点集的概率测度函数；所有重心的权重参数和为1；

S5：循环执行步骤S3和S4，最终得到一组高质量的蓝噪声采样点。

2.根据权利要求1所述的基于最优传输理论的多尺度稀疏蓝噪声采样方法，其特征在于，所述步骤S1具体包括：对输入的原始点云进行数据分类和整数截断，在截断时，将每一9

个点的质量乘以10；对于分类，将大小为2048的输入点云分为两类点集，μ表示概率测度：s

其中，μ1表示第1类点集中第s个被采样点的概率测度。

3.根据权利要求1所述的基于最优传输理论的多尺度稀疏蓝噪声采样方法，其特征在于，所述步骤S3中，利用遮蔽邻域的结构，结合一个被称作Short‑Cut的定义，证明结果的全局性：其中n表示集合中点的个数。