1. 代码示例

用 k-d tree找到具体点在空间中的k近邻
找到指定的某一半径内的所有近邻

#include <pcl/point_cloud.h>
#include <pcl/kdtree/kdtree_flann.h>
#include <iostream>
#include <vector>
#include <ctime>using namespace std;
using namespace pcl;int main(int argc, char**argv)
{// 用系统时间初始化随机种子srand(time(NULL));  PointCloud<PointXYZ>::Ptr cloud(new PointCloud<PointXYZ>);// 点云初始化cloud->width = 1000;cloud->height = 1;cloud->points.resize(cloud->width * cloud->height);// 点云填充数据for (size_t i = 0; i< cloud->points.size(); ++i){cloud->points[i].x = 1024.0f* rand() / (RAND_MAX + 1.0f);cloud->points[i].y = 1024.0f* rand() / (RAND_MAX + 1.0f);cloud->points[i].z = 1024.0f* rand() / (RAND_MAX + 1.0f);}// 创建k-d tree对象KdTreeFLANN<PointXYZ> kdtree;// 设置搜索的点云kdtree.setInputCloud(cloud);// 定义查询点并赋值PointXYZ searchPoint;searchPoint.x = 1024.0f* rand() / (RAND_MAX + 1.0f);searchPoint.y = 1024.0f* rand() / (RAND_MAX + 1.0f);searchPoint.z = 1024.0f* rand() / (RAND_MAX + 1.0f);// k近邻搜索 找最近的K个点，最终的点数有可能小于Kint K = 10;vector<int> pointIdxNKNSearch(K);          //存储搜索到查询点近邻的索引vector<float> pointNKNSquaredDistance(K);  //存储对应近邻的平方距离cout << "K nearest neighbor search at (" << searchPoint.x<< " " << searchPoint.y<< " " << searchPoint.z<< ") with K=" << K << endl;cout << endl;//n 是返回的点的数量//所有的返回点已经按照近邻平方距离排列好了，然后对应索引从小到大排列int n = kdtree.nearestKSearch(searchPoint, K, pointIdxNKNSearch, pointNKNSquaredDistance);if (n > 0){for (size_t i = 0; i < pointIdxNKNSearch.size(); ++i){cout << " " << cloud->points[pointIdxNKNSearch[i]].x<< " " << cloud->points[pointIdxNKNSearch[i]].y<< " " << cloud->points[pointIdxNKNSearch[i]].z<< " (squared distance: " << pointNKNSquaredDistance[i] << ")" << endl;}cout << endl;}// 在半径r内搜索近邻 找半径内的所有点，点的数量无法确定，有可能一个都没有，也有可能有很多vector<int> pointIdxRadiusSearch;vector<float> pointRadiusSquaredDistance;float radius = 100;cout << "Neighbors within radius search at (" << searchPoint.x<< " " << searchPoint.y<< " " << searchPoint.z<< ") with radius=" << radius << endl;cout << endl;//n 是返回的点的数量//所有的返回点已经按照近邻平方距离排列好了，然后对应索引从小到大排列n = kdtree.radiusSearch(searchPoint, radius, pointIdxRadiusSearch, pointRadiusSquaredDistance);if (n >0){for (size_t i = 0; i < pointIdxRadiusSearch.size(); ++i){cout << "    " << cloud->points[pointIdxRadiusSearch[i]].x<< " " << cloud->points[pointIdxRadiusSearch[i]].y<< " " << cloud->points[pointIdxRadiusSearch[i]].z<< " (squared distance: " << pointRadiusSquaredDistance[i] << ")" << endl;}}system("Pause");return 0;
}

PCL——快速邻域搜索相关推荐

PCL学习笔记（八）-- PCL实现快速邻域搜索
一.简介学习如何用k-d tree树找到具体点或空间位置的k近邻,然后学习如何找到用户指定的(本例中是随机的)某一半径内的所有近邻. Vector: C++标准库提供了被封装的动态数组--Vecto ...
《PCL点云库学习VS2010(X64)》Part 37 FLANN——快速最近邻搜索库
<PCL点云库学习&VS2010(X64)>Part 37 FLANN--快速最近邻搜索库一.介绍该算法库在OpenCV和PCL等开源库中应用较广,是PCL的默认安装库之一.与 ...
ga设置迭代次数_种群进化+邻域搜索的混合算法(GA+TS)求解柔性作业车间调度问题(FJSP)算法介绍...
程序猿声代码黑科技的分享区过去小编简单了解过作业车间调度问题(JSP),这两个月简单接触了柔性车间调度问题(FJSP),但是因为一些原因打算暂时研究到这里.在研究的时候,小编发现网上这方面的中文资 ...
异同点模拟退火遗传算法邻域搜索_智能算法浅介----模拟退火，遗传算法，禁忌搜索，神经网络等...
本文讲的过于笼统,如果想真正理解,请参考: 智能算法浅介----By cooler 一个比方在工程实践中,经常会接触到一些比较"新颖的算法"如模拟退火,遗传算法,禁忌搜索,神经网 ...
局部邻域搜索-爬山法，模拟退火，禁忌，迭代局部搜索，变邻域局部搜索的简单阐释
原文来源: 局部搜索算法 - JiePro - 博客园 https://www.cnblogs.com/JiePro/p/Metaheuristics_0.html 局部搜索算法目录: 1.数学定义 ...
github 搜索_如何通过GitHub快速的搜索资源？
最近在研究GitHub的使用,所以刚好借这次机会跟大家分享一下GitHub的使用. GitHub应该大部分人都知道,或多或少的接触过它.有些人可能使用它搜索更多的学习资料,有些人使用它管理自己的资源, ...
python实现大规模邻域搜索(LNS)求解旅行商问题(TSP)
文章目录 1. 大规模邻域搜索算法 1.1. LNS定义 1.2. LNS邻域 1.3. LNS框架 2. 旅行商问题TSP 3. python代码示例及结果 1. 大规模邻域搜索算法参考<H ...
如何删除计算机某个盘搜索记录,怎么快速删除搜索记录如何随意删除指定的那条记录...
如何快速删除搜索记录,具体详细内容如下所示我们网吧的时候如果不小心在IE上留下很多隐私的的搜索记录到时候你想哭都来不及,所以我们平时要养成一个好的习惯,我朋友就碰到一次他是一个女同志,有一次他在网吧 ...
禁忌搜索（TS——Tabu Search）与邻域搜索基础知识
禁忌搜索,也是一种常见的邻域搜索算法.其实我觉得很多智能算法本质都是邻域搜索(本质是局部搜索)算法.只不过邻域的应用方式不同,是全局式的邻域搜索算法.比如,局部搜索中最经典的是"爬山算法&q ...

PCL——快速邻域搜索

PCL——快速邻域搜索

1. 代码示例

PCL——快速邻域搜索相关推荐

最新文章

热门文章