【点云空间索引】python-pcl：KdTree与八叉树

1. 点云是什么

通过雷达、激光扫描、立体摄像机等三维测量设备获得的点云数据，具有数据量大、分布不均匀等特点。

点云数据主要是表征目标表面的海量点集合，并不具备传统实体网格数据的几何拓扑信息。点云处理中最核心的问题就是建立离散点间的拓扑结构，实现基于邻域关系的快速查找，变的很重要。

2. 点云索引分类及应用

划分空间的索引结构有：k-d tree，八叉树、四叉树、BSP树、KDB树，R树，R+树等；

利用kdtree【k-维树】和octree【八叉树】 对海量点云进行高效压缩存储与管理，及基于邻域关系的快速搜索。

K近邻搜索操作的框架是基于FLANN（Fast Library For Approximate Nearest Neighbors）。

3. KdTree（K-维树）

KdTree 也称为K维树，用来组织表示K维空间中的点集合。
通常只在三个维度中处理，因此可称为3维k-d树。

KdTree、 Octree（八叉树），都是点云数据中索引的一种，为了快速索引以及无损的压缩点云而设计的。

Kd树有几种常用的搜素方法：