【点云处理】点云最邻近问题 Kd树和八叉树

已于 2022-03-19 14:51:17 修改
阅读量838 收藏 2
点赞数
分类专栏： PointCloud 文章标签： 自动驾驶
于 2022-03-19 14:38:08 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/KNIGHT_HOY/article/details/123594595
版权

kd树

  • 每个维度都按照二叉树分割
  • 每一个维度上的二叉树

kd树建立

  • 按照xyxyx的顺序去分割点

  • 确定最后允许的叶子数leaf_size
    在这里插入图片描述

  • 随机找中值 平均值找中值

kd树查找最邻近点

  • 找根节点
  • 如二叉树步骤一致 先按一个维度搜索
    在这里插入图片描述在这里插入图片描述

Octree 八叉树

  • 每个节点有8个孩子
  • 可以提前结束搜索
  • 3个维度每个维度分一半随意 2的3次方 = 8

在这里插入图片描述

8叉树的构建

  • 选择最大的一个正方形
  • 每一个单位称为octant
  • 定义每个方格最多的点数leaf_size
  • 或者定义最小范围min_extend 用于应对多个相同点叠加的情况
    在这里插入图片描述

Knn查找

  • 寻找根节点

  • 找到最近的S2

  • 找到S8 为叶子节点 得到最小半径worst distance

  • 寻找bca 更新最小半径

  • 由于最小搜索圆在S2里面 所以不需要再搜索S3 S4 提前结束搜索
    在这里插入图片描述

Hoyyyaard
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
八叉树及K-D树的应用和实现
viewcode的专栏
01-11 1万+
1. 八叉树、k-d树的原理 2. 八叉树、k-d树的应用、优缺点 3. 八叉树、k-d树的实现 八叉树和k-d树都经常用来处理三维空间数据，k-d树的使用范围更宽泛些，适用于k维空间的数据，在Sift算法中，k-d树被用于在k维的空间内搜索邻近特征点。 1. 八叉树、k-d树的原理 wiki或百科上面都有详细的介绍。 http://en.wikipedia.org/wik
空间划分的数据结构(网格/四叉树/八叉树/BSP树/k-d树/BVH/自定义划分)
weixin_34138521的博客
05-26 2998
目录 网格 (Grid) 网格的应用 四叉树/八叉树 (Quadtree/Octree) 四叉树/八叉树的应用 BSP树 (Binary Space Partitioning Tree) 判断点在平面前后算法 BS...
Lidar Studio点云处理与分析软件V1.1
09-05
Lidar Studio是武汉空间智测科技有限公司自主研发的点云数据处理与分析软件，V1.1新增功能如下  全新Ribbon风格界面  IO模块，支持LAS、ASCII 、PLY 、E57等通用点云格式文件的加载与导出，其中LAS文件支持LAS1.3、LAS1.4、LAZ  视图模块：支持三角网渲染  点云基础，增加分块、PCV、边界提取、栅格化、赋色、矩形裁切、圆形裁切  坐标变换模块：支持不同地理坐标系的转换，即七参数转换；支持赫尔默特2D坐标变换；支持添加坐标系统（添加WKT或PROJ文件）  新增格式转换模块，支持lcdata转LAS、ASCII 、PLY 、E57等通用点云格式文件；支持lcdata转ESRI Shapefile格式和DXF格式的点矢量文件；支持单波段栅格转lcdata；支持自定义三角网数据文件lctin转OBJ或DXF  分类模块，新增孤立点分类、低点分类、空中噪点分类、低于地表分类、按属性分类、高于地面分类、邻近点分类、模型关键点分  地形模块，新增点云生成Tin、Tin生成DEM；新增山体阴影、坡向、坡度、粗糙度、耐用指数等地形产品
使用kd树进行k邻近搜索，c++实现
10-08
程序可以直接运行，有代码注释，vs2012 x64环境，使用armadillo矩阵库，已将矩阵库的dll，lib，头文件放在工程中，无需配置。 具体可以看以下博客https://blog.csdn.net/qq_32478489/article/details/82972391
KdTreeInPCL-master_kdtree_点云搜索邻近点代码_kdtree算法实现邻近点的搜索_
09-29
基于kdtree 的点云邻近点的匹配与搜索。点的深度搜索。
基于Matlab建立KD树搜索三维点云的邻近点.7z
07-28
利用Matlab对三维点云建立KD树，搜索一点或多点的柱状邻域、球状邻域与KNN点。 其中，柱状邻域、球状邻域搜索半径为r内的三维点； KNN搜索最邻近k个三维点。
kdtree与八叉树
weixin_43949950的博客
08-17 906
邻域分割kdtree与八叉树
PCL点云库学习笔记（2）——kd-tree和八叉树
张飞飞的博客
12-11 2804
1.kd-tree、八叉树简介 1）kd-tree, 或称 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 中的点集合。一般在点云处理中都是应用到三维的kd-tree。PCL 中 k-d tree 库提供了 k-d tree 数据结构,基于 FLANN 进行快速最近邻检索。最近邻检索在匹配、特征描述子计算、邻域特征提取中是非常基础的核心操作。 kd-tree 模块利用 两个类与两个函数实现了利用 k-d tree 数据结构对点云的高效管理和检索,其依赖于 pcl_ common 模块。
点云中的kd树和八叉树
weixin_42286957的博客
03-08 363
算法复杂度。
PCL——k-d tree和八叉树的概念
MechMaster
04-27 430
k-d tree和八叉树的概念 1 k-d tree概念 2 八叉树概念
C++实现K最邻近算法(机器学习 KNN KD树)
08-17
C++实现K最邻近算法, 使用KD树来实现, 在面对大量数据时可以提高搜索效率. 代码干净, 整洁, 有注释, 可直接使用.
高维空间中的快速最近邻和查找技术——Kd-Tree
Debug yourself!
07-09 824
本文介绍一种用于高维空间中的快速最近邻和近似最近邻查找技术——Kd-Tree(Kd树)。Kd-Tree，即K-dimensional tree，是一种高维索引树形数据结构，常用于在大规模的高维数据空间进行最近邻查找(Nearest Neighbor)和近似最近邻查找(Approximate Nearest Neighbor)，例如图像检索和识别中的高维图像特征向量的K近邻查找与匹配。本文首先介绍Kd-Tree的基本原理，然后对基于BBF的近似查找方法进行介绍，最后给出一些参考文献和开源实现代码。一、Kd-t
kd tree最近邻搜索算法深度解析
昔风不起，唯有努力生存！
06-29 4148
李航统计学习方法（第二版）（六）：k近邻算法实现（kd tree方法）中，对kd树进行了介绍，包括，kd树的简介、kd树的建立以及kd树的搜索。在看到李航老师书中对kd树搜索算法的描述后，其中对于递归回退的操作描述不是很理解，觉得太抽象了（很可能是我自己的理解能力的问题）。对比多个源码（各个源码都还有我觉得有问题的地方，有时间我会在各博主博客下面留言，主要有：1.[c++实现kdTree创建以及最近邻点查找](https://blog.csdn.net/zfjbit/article/details/9547
open3d KD-Tree K近邻点搜索
最新发布
m0_73126623的博客
02-25 1076
kd树或 k 维树是计算机科学中使用的一种数据结构，用于在具有 k 维的空间中组织一定数量的点。它是一个二叉搜索树，对其施加了其他约束。Kd树对于范围和最近邻搜索非常有用。出于我们的目的，我们通常只会处理三维的点云，因此我们所有的kd树都是三维的。kd树的每一层使用垂直于相应轴的超平面沿特定维度拆分所有子节点。在树的根部，所有子节点都将根据第一维进行拆分（即，如果第一维坐标小于根，它将在左子树中，如果大于根，则显然将在左子树中右子树）。
指针搜索_点云空间搜索之八叉树（含源码）
weixin_35651855的博客
01-01 645
除了上一回介绍的kd树，八叉树也很常用，具体介绍传送门。是我此前写的另一篇回答。游戏场景管理的八叉树算法是怎样的在PCL中,封装了体素内邻近搜索、K近邻搜索、半径内近邻搜索。示例代码很多，就不细讲了。教程非常多下面我主要说一说两个不太常见的应用。一、八叉树应用之空间变化检测知乎视频​www.zhihu.com核心来说，PCL中使用了双缓冲八叉树（double-buffering octree）结构...
八叉树（Octree）和KD树区别？2d tree与3d tree区别?
zhaoliang38的博客
11-16 1186
八叉树（Octree）和KD树区别？2d tree与3d tree区别?
点云空间数据组织——八叉树
Yang_Wanli的博客
05-03 2345
01基本逻辑 用八叉树来表示三维形体，并研究这种表示下的各种操作以及应用，是进入80年代后开展起来的一种方法。这种方法，既可以看成是四叉树方法在三维空间的推广，也可以认为是三维体素阵列表示形体方法的一种改进。 假设要表示的形体V可以放在一个充分大的正方体C中，C的边长为2n。    八叉树的每一个节点与C的一个子立方体对应 ，树根与C本身相对应。如果V=C，那么V的八叉树只有树根。如果V不等于C，则将C等分为8个子立方体，每个子立方体与树根的一个子节点相对应。只要某个子立方体不是完全空白，或者完全为V所占据
kd-tree和八叉树的概念及相关算法
qq_33287871的博客
07-14 4740
点云数据主要是，表征目标表面的海量点集合，并不具备传统实体网格数据的几何拓扑结构。 点云数据处理中最为核心的问题就是，建立离散点间的拓扑关系，实现基于邻域关系的快速查找。 1. K维树（KD-tree） 1.1 KD-tree 概念简介 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-t
点云构建kd树，k邻域检索
harden1013的博客
07-25 969
1.介绍 kd树（k-dimensional tree） 主要思路：利用中位数作为二分点（根节点），不断下分至子节点没有点 2.代码 /*依赖库文件*/ #include <pcl/point_cloud.h> #include <pcl/kdtree/kdtree_flann.h> int main() { /*待处理的点云*/ pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointC
kdtree最邻近搜索匹配点云
05-24
Kd树是一种用于空间划分和快速最近邻搜索的数据结构。对于点云匹配，可以使用Kd树来找到目标点云中每个点的最邻近点，从而实现两个点云的匹配。 具体实现步骤如下： 1. 建立目标点云的Kd树。 2. 对于源点云中的每个点，找到其在目标点云中的最邻近点。这可以通过在Kd树中进行最邻近搜索来实现。 3. 根据最邻近点的距离和几何特征进行筛选，保留合适的匹配点对。 4. 使用匹配点对进行点云配准。 需要注意的是，Kd树的建立和最邻近搜索是计算密集型的操作，因此在处理大型点云时可能需要考虑优化算法实现或使用并行计算技术来提高效率。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值