八叉树学习

八叉树（OcTree）

pcl的octree库提供了从点云数据创建具有层次的数据结构的方法。这样就可以对点数据集进行空间分区，下采样和搜索操作。每个八叉树节点有八个子节点或没有子节点。根节点描述了一个包围所有点的3维包容盒子。

pcl_octree实现提供了有效的最近邻居搜索（邻域搜索）API，例如“ 体素（Voxel）邻居搜索”，“ K最近邻居搜索”和“半径搜索邻居”。叶子节点类也提供其他功能，例如空间“占用率”和“每个体素（Voxel）的点密度”检查；序列化和反序列化功能可将八叉树结构有效地编码为二进制格式；此外，内存池实现减少了昂贵的内存分配和释放操作，以便快速创建八叉树。

下图说明了最低树级别的八叉树节点的体素边界框。八叉树体素围绕着兔子表面的每个3D点。红点代表点数据。该图像是使用octree_viewer创建的（visualization/tools/octree_viewer）。

https://robot.czxy.com/docs/pcl/chapter01/decomposition/

pcl_octree_viewer工具¶
a -> 增加显示深度（减小体素大小）
z -> 降低显示深度 （增加体素大小）
v -> 隐藏或显示octree立方体
b -> 隐藏或显示体素中心店
n -> 隐藏或显示原始点云
q -> 退出

三种搜索方式
● “体素内近邻搜索（Neighbors within VOxel Search）”
● “K近邻搜索（K Nearest Neighbor Search）”
● “半径内近邻搜索”（Neighbors within Radius Search）

点云压缩

官方文档这块有点云压缩的详细教程，PCL自带了相关压缩的API，需要用到OPENNI，目前没学这块，暂时用不到。留个地址，需要时候再用

https://pcl.readthedocs.io/projects/tutorials/en/latest/compression.html#octree-compression

八叉树的空间分区和搜索操作

代码和KD树基本一个套路，多了一种体素的搜索方式。

官方文档翻译过来的

https://pcl.readthedocs.io/projects/tutorials/en/latest/octree.html#octree-search

无组织点云数据的空间变化检测

看了下这块好像可以检索存储在当前八叉树结构（基于 cloudB）的体素中而在先前八叉树结构（基于 cloudA）中不存在的点，目前用不到，用到在详细探究。