Matlab三维离散点云的邻域点搜索（柱状邻域、球状邻域及KNN）

在计算三维点云的法向量、曲率、坡度等间接特征时，需要搜索点的邻域点。

某点邻域的选取多依据空间几何信息，从空间维数分为二维邻域和三维邻域，对应的有柱状邻域和球状邻域。

同时，邻域的选取可以通过限制邻近点的个数（KNN）或者限制邻域范围（柱状邻域和球状邻域）来实现。

柱状邻域点指以一点为中心，以r为半径的无限高、垂直圆柱范围内的点。

球状邻域点指以一点为中心，以r为半径的球体内所包含的点。

KNN指与一点最邻近的K个点。

具体代码如下：

function [idx,dist] = nbselect(data,part,varargin)
% 功能：选择不同邻域类型，返回邻域索引与距离
% 输入：data - 原始数据    part - 待检索数据
%       varargin - 球状、柱状邻域或KNN+半径或个数
%      ‘sph’ - 球状邻域
%      ‘cyl’ - 柱状邻域
%       ‘K’  - KNN 
% 输出：idx - 邻域索引 dist - 距离
% example： [sph,dist_sph] =  nbselect(data,part,'sph',r_sph);
if varargin{1} == 'sph'
    r_sph = varargin{2};
    [idx,dist] = rangesearch(data(:,1:3),part(:,1:3),r_sph,'Distance','euclidean','NSMethod','kdtree');      
elseif varargin{1} == 'cyl'
    r_cyl = varargin{2};
    [idx,dist] = rangesearch(data(:,1:2),part(:,1:2),r_cyl,'Distance','euclidean','NSMethod','kdtree');  
elseif varargin{1} == 'K'
    k = varargin{2};
    [idx,dist] = knnsearch(data(:,1:3),part(:,1:3),'Distance','euclidean','NSMethod','kdtree','K',k);  
end
end

为了检测邻域点获取的效果，通过一块ISPRS的LiDAR点云数据进行验证，结果如下：

懒得自己动手的朋友，测试数据与示例代码见：

Matlab建立KD树搜索三维点云的邻近点（柱状邻域、球状邻域与KNN）

getpointsXYZ.rar

相关文章见：

利用Matlab鼠标单击拾取三维点云可视化图像figure中的单个或多个点坐标信息