Open3D 的 voxel_down_sample 在处理带用户定义属性（如 labels）的 o3d.t.geometry.PointCloud 时会因张量维度不匹配而报错；正确做法是确保所有点属性张量与 positions 具有相同的批处理维度结构（即每行一个点，列数对应属性维度），例如将一维标签向量改为 (N, 1) 形状。
open3d 的 `voxel_down_sample` 在处理带用户定义属性（如语义标签）的 `o3d.t.geometry.pointcloud` 时会因张量维度不匹配而报错；正确做法是确保所有点属性张量与 `positions` 具有相同的**批处理维度结构**（即每行一个点，列数对应属性维度），例如将一维标签向量改为 `(n, 1)` 形状。
在 Open3D 的张量 API（o3d.t 模块）中，voxel_down_sample 不仅对点坐标进行体素网格聚合，还会同步对所有附加的点属性（如 labels、colors、normals 等）执行对应体素内的归约操作（默认为平均值，对整型标签则需注意归约策略）。但该操作要求所有点属性张量必须与 positions 张量在第一维（点数量）上严格对齐，且其余维度需满足广播兼容性。
关键问题在于：当你写入 pcd.point.labels = o3d.core.Tensor([0,1,2], dtype=o3d.core.uint8) 时，得到的是形状为 (3,) 的 1D 张量；而 positions 是 (3, 3) 的 2D 张量。voxel_down_sample 内部在做属性聚合时会尝试广播操作，导致维度校验失败（如错误信息中提示的 [1, 1] 与 [1] 不匹配），本质是张量形状未按 Open3D 张量几何约定对齐。
✅ 正确做法是将所有点属性显式构造为 (N, D) 形状，其中 N 是点数，D 是该属性的通道数（标量属性如类别标签对应 D=1）：
import open3d as o3d
device = o3d.core.Device("CPU:0")
pcd = o3d.t.geometry.PointCloud(device)
# positions: (3, 3) —— 必须是二维
pcd.point.positions = o3d.core.Tensor([[0,0,0], [1,1,1], [2,2,2]], device=device)
# labels: (3, 1) —— ✅ 正确：每行一个点，1 列表示单通道标签
pcd.point.labels = o3d.core.Tensor([[0], [1], [2]], o3d.core.uint8, device=device)
# 执行体素下采样（voxel_size=3 覆盖全部点，结果为单点）
pcd_ds = pcd.voxel_down_sample(voxel_size=3.0)
print("Downsampled positions:\n", pcd_ds.point.positions.numpy())
print("Downsampled labels:\n", pcd_ds.point.labels.numpy()) # 输出: [[1]]（取平均后截断为 uint8）⚠️ 注意事项：
- 对于整型标签（如 uint8 类别 ID），voxel_down_sample 默认使用平均归约（mean reduction），可能导致非整数值（如 [0,1,2] 平均得 1.0 → uint8(1)）。若需众数（mode）或最大值等策略，需手动实现体素分组 + 自定义聚合。
- 若存在多个属性（如 labels 和 confidence），需统一保证其形状均为 (N, 1) 或 (N, 3) 等，并与 positions 行数一致。
- 不支持在 voxel_down_sample 中跳过某些属性；所有已定义的 point.* 属性都会参与运算。如只需保留坐标，应在下采样前删除其他属性：del pcd.point.labels。
总结：Open3D 张量点云的体素下采样要求所有点属性张量必须是二维且首维等于点数。将一维标签数组 [..., ..., ...] 改为二维列向量 [[...], [...], [...]] 即可解决该 RuntimeError，这是遵循 Open3D 张量几何数据模型的必要规范。
