Open3D KdTree建立、3种近邻搜索及结果可视化

置顶 已于 2022-03-31 16:37:22 修改
阅读量5.3k 收藏 16
点赞数 4
分类专栏： Open3D Python OpenCV 图像处理 Python-pcl 点云 pcd las/laz 文章标签： KdTree 点云处理 Open3D 近邻搜索
于 2020-09-23 16:26:54 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_40985985/article/details/108715952
版权

1. 点云索引

Open3D KdTree，可以快速的在无序的点云中建立空间拓扑结构，使得能迅速的进行近邻搜索；

2. 近邻方法分类：

Open3D这边支持的近邻搜索方法由VTK实现；

  • K近邻搜索（K Nearest Neighbors Search）
  • 半径近邻搜索（Radius Nearest Neighbors Search）
  • 混合近邻搜索（ RKNN Radius K Nearest Neighbors Search）

3. 索引应用

  • 点云下采样
  • 点云的高效无损压缩 15%
  • 基于邻域关系的快速查找

4. 效果图

原始点云
在这里插入图片描述
近邻搜索结果

k近邻中心点红色，K近邻绿色
半径近邻中心点红色，半径近邻蓝色
混合近邻中心点黄色，混合近邻点青色

了解本专栏 订阅专栏 解锁全文 超级会员免费看
程序媛一枚~
关注
  • 4
    点赞
  • 踩
  • 16
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
订阅专栏
Open3D 基于kdtree树的邻近点搜索（10）
weixin_44329757的博客
01-09 1067
KD 树（k-dimensional tree）是一种用于组织 k 维空间中点的数据结构，旨在提供高效的 k最近邻搜索和范围搜索（如半径邻域搜索）。KD 树通过递归地将空间划分为多个超立方体区域来组织数据。这种分割方式使得 KD树能够在搜索时快速地排除大部分不相关的数据点。在构建 KD树时，选择一个维度作为切分平面，然后根据这个平面将数据划分成两个子集。在每个子集中，选取下一个维度，再次以该维度上的中值为界限切分数据。
VTK：KDTree时序用法实战
希望我的博客，能帮上你解决学习中工作中所遇到的问题
02-06 455
VTK：KDTree时序用法实战程序输出程序完整源代码 程序输出 程序完整源代码 #include <vtkAxis.h> #include <vtkChartXY.h> #include <vtkContextScene.h> #include <vtkContextView.h> #include <vtkFloatArray.h> #include <vtkIdList.h> #include <vtkKdTree.h&g
open3d KD-Tree K近邻点搜索
最新发布
m0_73126623的博客
02-25 1123
kd树或 k 维树是计算机科学中使用的一种数据结构，用于在具有 k 维的空间中组织一定数量的点。它是一个二叉搜索树，对其施加了其他约束。Kd树对于范围和最近邻搜索非常有用。出于我们的目的，我们通常只会处理三维的点云，因此我们所有的kd树都是三维的。kd树的每一层使用垂直于相应轴的超平面沿特定维度拆分所有子节点。在树的根部，所有子节点都将根据第一维进行拆分（即，如果第一维坐标小于根，它将在左子树中，如果大于根，则显然将在左子树中右子树）。
sklearn文档 — 1.6. 最近邻
quliulangle的博客
08-02 1754
sklearn.neighbors 提供了一些在无监督和有监督学习中基于近邻的学习方法。无监督近邻是许多其他学习方法的基石，特别是在流学习和光谱聚类方面。有监督的基于近邻的学习有两个方面：对带有离散标签的数据进行分类 ，对带有连续标签的数据计算回归。 最近邻的原则上是先找出距离新点（预测点）最近的预定数量的训练样本，继而预测其所属的标签。样本数可以是用户所定义的常数（此处即为K近邻算法，KN
class2 Nearest Neighbors 最近邻搜索
qq_33993729的博客
11-22 551
class2 Nearest Neighbors 最近邻搜索问题 Nearest Neighbor (NN) Problem 主要有两种NN问题 K-NN 在空间M中有一个点集S,一个查询点q∈Mq\in Mq∈M,找到查询点在S中最近的k个点 下图是3-NN Fixed Radius-NN 在空间M中有一个点集S,一个查询点q∈Mq\in Mq∈M,找到所有在S中和查询点距离小于r的点 ∣∣s−q∣∣<r||s-q||<r∣∣s−q∣∣<r NN 问题的应用领域 表面法
vtk中使用查找点集中离目标点最近的k个点（vtkKdTree，vtkKdTreePointLocator，vtkOctreePointLocator）
yuxing55555的博客
05-04 3630
通俗的说，就是有一个点集｛（0，0），（1，0），（0，1），（1，1）｝，你有一个点A（0.9，0），你想 在点集中找k个（k=2）离点A最近的点，就可以使用此方法 1.使用vtkKdTree 关键代码： // Create the tree vtkSmartPointer&lt;vtkKdTree&gt; pointTree = vtkSmartPoin...
knn.zip_K._k-d tree_kd tree knn_k近邻搜索
09-22
这是一个小而有效的程序来执行的K -近邻搜索算法，此算法利用JIT 理论加速循环，比向量化有效解决了大量数据的精度问题。甚至比kd-tree效果要佳。 K-nearest neighbor search已经广泛应用在科学与工程上，比如模式...
matlab中kdtree的搜索近邻点
05-04
在MATLAB中，KD树（K-Dimensional Tree）是一种数据结构，用于高效地处理高维空间的数据。它特别适用于执行范围搜索、最近邻搜索等任务，尤其在大数据集上表现优秀。KDTREE标签指的是使用MATLAB内置的`kdTree`函数...
Kd Tree（MATLAB）K近邻法
02-06
Kd树（K-dimensional Tree）是一种在高维空间中用于数据组织和检索的数据结构，尤其在机器学习和计算机图形学领域广泛应用。Kd树的名字来源于它是在“k”维空间中的“分层”数据结构。它是一种二叉树，通过不断地将...
kdtree搜索近邻
07-16
KD树搜索近邻。输入点云为随机生成的，可以换成自己的点云数据。
matlab中kdtree调用，搜索点云数据近邻点
10-21
结合xyz点云数据，调用matlab中kdtree进行搜索近邻点，其中包括一次性对所有点进行k近邻点搜搜，以及针对单个点进行kdtree的搜搜两种情况。
VTK笔记——寻找最近点(vtkKdTree，vtkKdTreePointLocator，vtkOctreePointLocator，vtkCellLocator)
q610098308的专栏
10-13 1790
1.使用vtkKdTree，可以找到多个，或一个 // Create the tree vtkSmartPointer<vtkKdTree> pointTree = vtkSmartPointer<vtkKdTree>::New(); pointTree->BuildLocatorFromPoints(points); // Find the 2 closest points to (0.5,0。5,0.5) vtk.
3.1 机器学习的敲门砖：归一化与KD树学习笔记
Leorio Paladinight的博客
03-15 362
1.数据归一化 1.1 为什么要数据归一化 在实际应用中，样本的不同特征的单位不同，会在求距离时造成很大的影响。比如：在两个样本中肿瘤大小的分别为1cm和5cm，发现时间分别为100天和200天，那么在求距离时，时间差为100、大小差为4，那么其结果会被时间所主导，因为肿瘤大小的差距太小了。但是如果我们把时间用年做单位，0.27年与0.55年的差距又远小于肿瘤大小的差距，结果又会被大小主导了。 在...
ParaView 比较重要的两个类：vtkObject与vtkKdTreeManager
zhz1993622的专栏
04-22 848
vtkObject:
【CG】汇总开源的三维图形/计算几何/CAD算法库
热门推荐
dagunliyu123的博客
08-31 1万+
【CG】汇总开源的三维图形/计算几何/CAD算法库
【三维点云数据处理】用python实现KDTree(不使用Open3D)
点云兔子的博客
03-22 2961
python实现KDTreeKDTree简介构建KDTree示例Python实现代码结果展示 KDTree简介 KD 树又称 K 维树 （K-dimensional tree），是一种可以对 K 维数据进行划分的数据结构，可以看成二元搜索树的一种延伸，不断的对空间中的维度做划分，利用搜寻树剪枝的特性缩短时间复杂度，主要应用在多维空间搜寻，例如最近邻居搜索。 构建KDTree 创建 KD 树的方法使用： 标准 KD 树分割规则 选择最大变异数作为维度选择方法 将数据储存在所有节点 KD 树的建立过程如下
『OPEN3D』1.5.5 Open3D中的K-dTree和OcTree
NNNNNathan的博客
03-18 932
文章介绍了点云处理中常用的octree和kdtree以及其在open3d中的使用方式
点云Las文件是什么？
qq_40985985的博客
12-19 1万+
点云Las文件是什么？ 1. LIDAR数据 2. LAS点云规格 3. LAS Header头文件 4. LAS Header版本与LAS点格式 5. 点云Header与点格式对应关系 6. 示例查看点云文件的规格和格式 7. LAS读取可参考 pylas 及 laspy库参考
Open3D 三维点云读取可视化、下采样、去除离群点、地面提取
qq_40985985的博客
06-01 1万+
Open3D：3D数据处理的现代库，是一个开放源代码库，支持快速开发处理3D数据的软件。Open3D在C ++和Python中公开了一组精心选择的数据结构和算法。后端经过高度优化，并支持并行化。 推荐Python，支持Python（3.5、3.6、3.7、3.8），支持系统（Ubuntu 18.04+、macOS 10.14+、Windows 10 (64-bit)）。 Open3D的核心功能包括： 3D数据结构 3D数据处理算法 场景重建 表面对齐 3D可视化 基于物理的渲染【 Physically
pytorch open3d kdtree
05-10
PyTorch是一个非常受欢迎的机器学习框架，在研究和工业界都广泛使用。Open3D是一个基于深度学习技术的3D计算机视觉库，提供了一系列针对点云和三维几何数据的算法和工具。而KD树是一种高效的数据结构，用于在多维空间中对数据点进行快速的最近邻搜索和范围搜索。 PyTorch提供了一系列高级计算操作，特别适合深度学习任务，可以用于实现各种神经模型，而Open3D提供了一系列处理点云等3D数据的函数和工具，适合于许多计算机视觉和机器人学任务。在这样的背景下，结合使用PyTorch和Open3D可以非常方便地解决一些3D视觉问题。其中，KD树作为一种高效的最近邻搜索算法，也可以用于优化各种3D应用程序中的搜索速度。 在PyTorch中使用KD树，需要使用第三方库，如scipy或sklearn等，来实现。可以将点云数据存储在PyTorch张量中，然后使用第三方库的函数来构建KD树。然后，可以使用KD树来进行最近邻搜索、距离搜索等任务。在Open3D中使用KD树，则更加方便，因为Open3D中实现了自己的KD树，而且还提供了一系列处理点云数据的类和函数，使得在Open3D中使用KD树变得非常简单。 总而言之，结合PyTorch和Open3D的优势，可以实现高效的3D感知和机器学习系统，并且使用KD树可以更快速地进行各种搜索任务，提高系统的效率和速度。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

程序媛一枚~

您的鼓励是我创作的最大动力。

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值