2.KDTree相关

1.理论：

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）。

详细介绍见【量化课堂】kd 树算法之详细篇 - JoinQuant量化课堂 - JoinQuant（侵删）

例如：特征点匹配中通过距离函数在高维矢量之间进行相似性检索的问题。针对如何快速而准确地找到查询点的近邻，现在提出了很多高维空间索引结构和近似查询的算法，k-d树就是其中一种。

索引结构中相似性查询有两种基本的方式：一种是范围查询，另一种是K近邻查询：

• 范围查询（range searches）：给定查询点和查询距离的阈值，从数据集中找出所有与查询点距离小于阈值的数据
• K近邻查询（K-neighbor searches）：给定查询点及正整数K，从数据集中找到距离查询点最近的K个数据，当K=1时，就是最近邻查询（nearest neighbor searches）。

kdtree的结构：kd树是一个二叉树结构，它的每一个节点记载了【特征坐标，切分轴，左指针，右枝指针】。

kd 树的构造以及 kd 树上的 kNN 算法见上方连接。

2.PCL中对于kdtree的支持：

PCL中类pcl::KdTree<PointT>是kd-tree数据结构的实现。并且提供基于FLANN进行快速搜索的一些相关子类与包装类。具体可以参考相应的API。下面给出2个类的具体用法。

pcl::search::KdTree < PointT >

pcl::search::KdTree<PointT>是pcl::search::Search< PointT >的子类，是pcl::KdTree<PointT>的包装类。包含(1) k 近邻搜索；(2) 邻域半径搜索。

#pragma once
#include<pcl/search/kdtree.h>
#include<pcl/point_types.h>
#include<pcl/io/pcd_io.h>
#include<vector>
void kdtreeTest1()
{
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
	pcl::io::loadPCDFile("do1.pcd", *cloud);

	pcl::search::KdTree<pcl::PointXYZ>tree;
	tree.setInputCloud(cloud);

	std::vector<int>indices;//存放查询到的索引
	std::vector<float>distance;//存放对应距离的平方
	//设一个查询点
	pcl::PointXYZ pointq = cloud->points[0];
	//查询离pointq最近的K个点
	int k = 3;
	int size = tree.nearestKSearch(pointq, k, indices, distance);

	std::cout << "k search result size is " << size<<std::endl;
	//查询pointq半径r范围领域内的点
	double r = 2.0;
	size = tree.radiusSearch(pointq, r, indices, distance);
	std::cout << "r search result size is " << size;

}

 

 搜索结果默认是按照距离point点的距离从近到远排序；如果InputCloud中含有point点，搜索结果的的第一个点是point本身。

pcl::KdTreeFLANN < PointT >

pcl::KdTreeFLANN<PointT>是pcl::KdTree<PointT>的子类，可以实现同样的功能。

#pragma once
#include<pcl/kdtree/kdtree_flann.h>
#include<pcl/point_types.h>
#include<pcl/io/pcd_io.h>
#include<vector>
void kdtreeTest2()
{
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
	pcl::io::loadPCDFile("do1.pcd", *cloud);

	//pcl::search::KdTree<pcl::PointXYZ>tree;
	pcl::KdTreeFLANN<pcl::PointXYZ>tree;
	tree.setInputCloud(cloud);

	std::vector<int>indices;
	std::vector<float>distance;
	//设一个查询点
	pcl::PointXYZ pointq = cloud->points[0];
	//查询离pointq最近的K个点
	int k = 3;
	int size = tree.nearestKSearch(pointq, k, indices, distance);

	std::cout << "k search result size is " << size<<std::endl;
	//查询pointq半径r范围领域内的点
	double r = 2.0;
	size = tree.radiusSearch(pointq, r, indices, distance);
	std::cout << "r search result size is " << size;

}

结果一样，略。