点云处理中阶 kdtree模块

目录

一、kd-tree 简介

二、kd-tree的构建

三、kd-tree 查找算法

四、接口文档查看

五、demo演示

---

一、kd-tree 简介

      pcl_kdtree库使用FLANN提供了kd-tree数据结构，它允许快速的最近邻搜索。

      k- tree (k维树)是一种空间分区数据结构，它在树结构中存储一组k维点，支持有效的范围搜索和最近邻搜索。最近邻搜索是处理点云数据时的核心操作，可用于查找点组或特征描述符之间的对应关系，或定义一个或多个点周围的局部邻域。

      通过雷达，激光扫描，立体摄像机等三维测量设备获取的点云数据，具有数据量大，分布不均匀等特点，作为三维领域中一个重要的数据来源，点云主要是表征目标表面的海量点的集合，并不具备传统网格数据的几何拓扑信息，所以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。

      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）。K-D树是二进制空间分割树的特殊的情况。用来组织表示K维空间中点的几何，是一种带有其他约束的二分查找树，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都将是三维的kd_tree,kd_tree的每一维在指定维度上分开所有的字节点，在树 的根部所有子节点是以第一个指定的维度上被分开。

      k-d树算法可以分为两大部分，一部分是有关k-d树本身这种数据结构建立的算法，另一部分是在建立的k-d树上如何进行最邻近查找的算法。