Python Open3D几何图形基础篇（四） KD树

最新推荐文章于 2024-02-25 00:15:00 发布

MrVoider

最新推荐文章于 2024-02-25 00:15:00 发布

阅读量738

点赞数

分类专栏： Open3D 文章标签： python 计算机视觉机器学习

原文链接：http://www.open3d.org/docs/release/tutorial/geometry/kdtree.html

版权

Open3D 专栏收录该内容

4 篇文章 10 订阅

订阅专栏

本文介绍了如何使用Python的Open3D库构建KD树，并从点云数据中查找邻接点。首先，展示了读取点云并构建KD树的过程，然后详细说明如何找到特定点的最近邻，包括KNN搜索和RNN搜索，以及Open3D中提供的混合搜索（RKNN）功能。

摘要由CSDN通过智能技术生成

Python Open3D几何图形基础篇（四） KD树

本文所参考网页：
KDTree — Open3D 0.15.1 documentation

Open3D使用FLANN 构建KDTrees，以便快速检索最近的邻居。

从点云构建KD树（Build KDTree from point cloud）

下面的代码是用于读取点云并构建KDTree。这是为了接下来的最近邻查询的预处理步骤。

print("Testing kdtree in Open3D...")
print("Load a point cloud and paint it gray.")

sample_pcd_data = o3d.data.PCDPointCloud()
pcd = o3d.io.read_point_cloud(sample_pcd_data.path)
pcd.paint_uniform_color([0.5, 0.5, 0.5])
pcd_tree = o3d.geometry.KDTreeFlann(pcd)

"""
Testing kdtree in Open3D...
Load a point cloud and paint it gray.
"""

寻找邻接点（Find neighboring points）

我们选择第1501的点（数组为0索引）作为定位点（anchor point），并将其涂成红色。

print("Paint the 1501st point red.")
pcd.colors[1500] = [1, 0, 0]

# Paint the 1501st point red.

效果图

使用 `search_knn_vector_3d`

函数search_knn_vector_3d 返回定位点的k个最近邻的索引列表。这些相邻的点被涂成蓝色。
值得注意的是，示例代码这里将pcd.colors 转换为numpy的数组去批量读取点的颜色，并且通过广播（broadcast）的机制将所有选中的点涂上蓝色[0, 0, 1] ，这里跳过第一个索引，因为它是定位点。

print("Find its 200 nearest neighbors, and paint them blue.")
[k, idx, _] = pcd_tree.search_knn_vector_3d(pcd.points[1500], 200)
np.asarray(pcd.colors)[idx[1:], :] = [0, 0, 1]

效果图2

使用 `search_radius_vector_3d`

类似地，我们也可以使用search_radius_vector_3d 来查找距离定位点小于给定半径的所有点。示例代码这里把这些点涂成绿色。

print("Find its neighbors with distance less than 0.2, and paint them green.")
[k, idx, _] = pcd_tree.search_radius_vector_3d(pcd.points[1500], 0.2)
np.asarray(pcd.colors)[idx[1:], :] = [0, 1, 0]

# Find its neighbors with distance less than 0.2, and paint them green.

print("Visualize the point cloud.")
o3d.visualization.draw_geometries([pcd],
                                  zoom=0.5599,
                                  front=[-0.4958, 0.8229, 0.2773],
                                  lookat=[2.1126, 1.0163, -1.8543],
                                  up=[0.1007, -0.2626, 0.9596])

# Visualize the point cloud.

效果图3
值得注意的是：

除了KNN搜索 search_knn_vector_3d 和RNN搜索 search_radius_vector_3d之外，Open3D还提供了混合搜索函数search_hybrid_vector_3d。
这个混合搜索函数返回最多k个到定位点距离小于给定半径的最近邻，这个函数是结合了KNN搜索和RNN搜索的标准。在一些文献中被称为RKNN搜索。
它在许多实例中都有性能优势，并且在Open3D的许多函数中大量使用。