PCL之K维树--KD-tree

原理:KD-tree 又称 K 维树是计算机科学中使用的一种数据结构，用来组织表示 K 维空间中点集合。它是一种带有其他约束条件的二分查找树。KD-tree对于区间和近邻搜索十分有用。我们为了达到目的，通常只在三个维度中进行处理，因此所有的 KD-tree 都将是三维 KD-tree。如下图所示（动图，慢慢看）， KD-tree 的每一级在指定维度上分开所有的子节点。在树的根部所有子节点是以第一个指定的维度上被分开（即如果第一维坐标小于根节点的点它将被分在左边的子树中，如果大于根节点的点它将分在右边的子树中）。树的每一级都在下一个维度上分开，所有其他的维度用完之后就回到第一个维度，建立 KD-tree 最高效的方法是像快速分类一样使用分割法，把指定维度的值放在根上，在该维度上包含较小数值的在左子树，较大的在右子树。然后分别在左边和右边的子树上重复这个过程，直到用户准备分类的最后一个树仅仅由一个元素组成。

代码展示:

#include<pcl/io/pcd_io.h>
#include <pcl/point_cloud.h>
#include <pcl/kdtree/kdtree_flann.h>
#include <pcl/visualization/cloud_viewer.h>using PointT = pcl::PointXYZRGB;int main() {// 1.读取点云pcl::PointCloud<PointT>::Ptr cloud(new pcl::PointCloud<PointT>);if (pcl::io::loadPCDFile<PointT>("/home/pi/Desktop/pcl/Open3D/examples/test_data/fragment.pcd",*cloud)==-1){PCL_ERROR("cloud not load file!");return -1;}// 2.原始点云着色for (auto &pt: cloud->points){pt.r = 255;pt.g = 255;pt.b = 255;}// 3.建立kd-treepcl::KdTreeFLANN<pcl::PointXYZRGB> kdtree;kdtree.setInputCloud(cloud);// 4.K近邻搜索PointT searchPoint = cloud->points[0]; //设置查找点searchPoint.r = 0;searchPoint.g = 0;searchPoint.b = 255;int K = 300;  //设置需要查找的近邻点个数std::vector<int> pointIdxNKNSearch(K);  //保存每个近邻点的索引std::vector<float> pointNKNSquaredDistance(K); //保存每个近邻点与查找点之间的欧式距离平方std::cout << "K nearest neighbor search at (" << searchPoint.x<< " " << searchPoint.y<< " " << searchPoint.z<< ") with K=" << K << std::endl;if (kdtree.nearestKSearch(searchPoint, K, pointIdxNKNSearch, pointNKNSquaredDistance) > 0){for (size_t i = 0; i < pointIdxNKNSearch.size(); ++i){cloud->points[pointIdxNKNSearch[i]].r = 0;cloud->points[pointIdxNKNSearch[i]].g = 255;cloud->points[pointIdxNKNSearch[i]].b = 0;}}std::cout << "K = 300近邻点个数：" << pointIdxNKNSearch.size() << endl;// 5.radius半径搜索PointT searchPoint1 = cloud->points[3000];  //设置查找点std::vector<int> pointIdxRadiusSearch;  //保存每个近邻点的索引std::vector<float> pointRadiusSquaredDistance;  //保存每个近邻点与查找点之间的欧式距离平方float radius = 0.3;  //设置查找半径范围std::cout << "Neighbors within radius search at (" << searchPoint.x<< " " << searchPoint.y<< " " << searchPoint.z<< ") with radius=" << radius << std::endl;if (kdtree.radiusSearch(searchPoint1, radius, pointIdxRadiusSearch, pointRadiusSquaredDistance) > 0){for (size_t i = 0; i < pointIdxRadiusSearch.size(); ++i){cloud->points[pointIdxRadiusSearch[i]].r = 255;cloud->points[pointIdxRadiusSearch[i]].g = 0;cloud->points[pointIdxRadiusSearch[i]].b = 0;}}std::cout << "半径0.03近邻点个数： " << pointIdxRadiusSearch.size() << endl;// 6.显示点云pcl::visualization::CloudViewer viewer("cloud viewer");viewer.showCloud(cloud);while (!viewer.wasStopped()){}return 0;
}

效果展示:

PCL之K维树--KD-tree相关推荐

Finding Hotels（牛客国庆集训派对Day7 ）（2016ICPC青岛K）（K-D Tree）
Finding Hotels 给定二维平面上nnn个点,每个点描述为x,y,cx, y, cx,y,c,x,yx, yx,y为坐标,ccc为该点的价值, 有mmm个询问,每次询问给x,y,cx, y, ...
PCL：k-d tree 1 讲解
1.简介 kd-tree简称k维树,是一种空间划分的数据结构.常被用于高维空间中的搜索,比如范围搜索和最近邻搜索.kd-tree是二进制空间划分树的一种特殊情况.(在激光雷达SLAM中,一般使用的是三 ...
如何利用 C# 实现 K-D Tree 结构？
我的朋友海伦一直使用在线约会网站寻找适合自己的约会对象.尽管约会网站会推荐不同的人选,但她没有从中找到喜欢的人.经过一番总结,她发现曾交往过三种类型的人: 不喜欢的人魅力一般的人极具魅力的人尽管 ...
k-d tree入门
暑期集训开始了本篇博客将会简单讲一下k-d tree的原理以及实现首先大家要先了解一下二叉搜索树二叉搜索树是一个很简单常见的数据结构,他符合以下两个特征 1.一个节点若有左子树,则左子树上的点全 ...
KD Tree原理讲解
1.引子在一张地图上,有600多个单位,每个单位之间都需要独立寻路,检测碰撞和寻找最近的敌方目标.当这一切需要在手机上流畅运行并尽可能快的在服务器进行模拟时,最简单的平方算法O(N^2)已经不能满足 ...
k-d tree树近邻算法
k-d树(k-dimensional树的简称),是一种分割k维数据空间的数据结构.主要应用于多维空间关键数据的搜索(如:范围搜索和最近邻搜索). 应用背景 SIFT算法中做特征点匹配的时候就会利用到k ...
PCL点云库：Kd树
Kd树按空间划分生成叶子节点,各个叶子节点里存放点数据,其可以按半径搜索或邻区搜索.PCL中的Kd tree的基础数据结构使用了FLANN以便可以快速的进行邻区搜索.FLANN is a librar ...
[CQOI2017] 老C的任务（差分 + 树状数组 / K-D tree）
problem luogu-P3755 solution 这题第一眼矩阵内的点权值和,马上就是 K-D tree\text{K-D tree}K-D tree 不过脑子的敲. 这其实就是个二维数点问题 ...
k近邻算法——kd树
一.kd树概念 kd树(K-Dimensional Tree)是一种对K维空间中的实例点进行存储以便对其进行快速检索的树形数据结构. kd树是二叉树,表示对K维空间的一个划分(partitio ...

PCL之K维树--KD-tree

PCL之K维树--KD-tree相关推荐

最新文章

热门文章