0 关于KD-Tree

关于kd-tree的基本原理和构造实现情况可以参考博文：《KD-Tree结构与算法原理》

1 PCL中使用kd-tree进行最近邻点搜索

先分部解释，完整代码见第二部分。

1.1 最近邻搜索关键函数

int pcl::search::KdTree< PointT, Tree >::nearestKSearch (
const PointT & point,
int k,
std::vector< int > & k_indices,
std::vector< float > & k_sqr_distances
) const

其中参数对应分别为：

point：输入的目标点
k: 选取的最近点个数
k_indices：最近点的下标集合
k_sqr_distances：对应点到目标点的距离平方集合

返回的int返回值为找到的点的个数。

1.2 半径邻域搜索

int pcl::search::KdTree< PointT, Tree >::radiusSearch(
const PointT & point,
int radius,
std::vector< int > & k_indices,
std::vector< float > & k_sqr_distances
) const

其中参数对应分别为：

point：输入的目标点
radius：搜索半径
k_indices：最近点的下标集合
k_sqr_distances：对应点到目标点的距离平方集合

返回的int返回值为找到的点的个数。
具体使用方法见下方代码。

2 例程

//
// Created by greg on 5/5/21.
//#include <pcl/pcl_base.h>
#include <pcl/point_cloud.h>
#include <pcl/kdtree/kdtree_flann.h>#include <iostream>
#include <vector>
#include <ctime>int main(int argc,char** argv)
{//初始化随机数srand (time (NULL));pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);// 初始化及生成点云数据cloud->width = 1000;cloud->height = 1;cloud->points.resize (cloud->width * cloud->height);//利用随机数生成for (std::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);}//初始化输入点集与目标点pcl::KdTreeFLANN<pcl::PointXYZ> kdtree;kdtree.setInputCloud (cloud);pcl::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 nearest neighbor 搜索，指定大小为10个点int K = 10;std::vector<int> pointIdxNKNSearch(K);std::vector<float> pointNKNSquaredDistance(K);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 (std::size_t i = 0; i < pointIdxNKNSearch.size (); ++i)std::cout << "    "  <<   cloud->points[ pointIdxNKNSearch[i] ].x<< " " << cloud->points[ pointIdxNKNSearch[i] ].y<< " " << cloud->points[ pointIdxNKNSearch[i] ].z<< " (squared distance: " << pointNKNSquaredDistance[i] << ")" << std::endl;}// 半径邻域搜索std::vector<int> pointIdxRadiusSearch;std::vector<float> pointRadiusSquaredDistance;float radius = 256.0f * rand () / (RAND_MAX + 1.0f);std::cout << "Neighbors within radius search at (" << searchPoint.x<< " " << searchPoint.y<< " " << searchPoint.z<< ") with radius=" << radius << std::endl;if ( kdtree.radiusSearch (searchPoint, radius, pointIdxRadiusSearch, pointRadiusSquaredDistance) > 0 ){for (std::size_t i = 0; i < pointIdxRadiusSearch.size (); ++i)std::cout << "    "  <<   cloud->points[ pointIdxRadiusSearch[i] ].x<< " " << cloud->points[ pointIdxRadiusSearch[i] ].y<< " " << cloud->points[ pointIdxRadiusSearch[i] ].z<< " (squared distance: " << pointRadiusSquaredDistance[i] << ")" << std::endl;}return 0;
}

输出结果：

其中第一部分为k近邻搜索结果，输出找到的点以及距离平方。第二部分为半径邻域搜索结果，因为给出的半径r为随机数，所以搜索结果数量会变化。

PCL中利用KD-Tree搜索空间点云最临近点源码相关推荐

iOS中利用UISearchBar实现搜索
先把源码贴出来 https://github.com/losedMemory/ZSSearchBar 这是我在github上写的一个Demo,大家可以看看在大多数app中都会用到搜索功能,那么搜 ...
Struts2中利用s:tree显示树的问题
在struts2的文档中看到可以用s:tree标签来显示树,于是就按文档中的步骤走了一遍: 基本步骤是 1.<s:tree>标签不是struts-tags里面的标签,而是struts-do ...
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 ...
k-d tree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 ...
KD Tree的原理及Python实现
1. 原理篇我们用大白话讲讲KD-Tree是怎么一回事. 1.1 线性查找假设数组A为[0, 6, 3, 8, 7, 4, 11],有一个元素x,我们要找到数组A中距离x最近的元素,应该如何实现呢 ...
K-D Tree 算法详解及Python实现
K-D Tree 算法 k−d treek−dtree\mathrm{k-d\ tree}即k−dimensional treek−dimensionaltree\mathrm{k-dimension ...
KD tree and Bbf
k-d tree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 ...
PCL点云库调库学习系列——k-d tree与八叉树
k-d tree与八叉树 1 k-d tree与八叉树本文并不涉及具体原理的解释,文章着重在k-d树与八叉树在近邻搜索方面的API的使用 1.1 k-d tree k-d tree算法及原理: ht ...
PCL点云处理之使用KD树搜索最邻近点，避坑（三十八）
PCL点云处理之使用KD树搜索最邻近点(三十八) 前言一.KD树搜索最邻近点? 二.使用步骤 1.代码 2.结果总结前言一.KD树搜索最邻近点? 在点云处理中,找某个点的最近点非常普遍,PCL ...

PCL中利用KD-Tree搜索空间点云最临近点源码