python实现KDTree+KNN

Y.K.Hou

已于 2022-09-19 11:41:37 修改

阅读量704

点赞数

分类专栏： python 文章标签： sklearn python 机器学习

于 2022-09-19 11:18:21 首次发布

本文链接：https://blog.csdn.net/qq_42964728/article/details/126929808

版权

python 专栏收录该内容

6 篇文章 0 订阅

订阅专栏

python：建立KDTree并实现KNN搜索

方法1：【使用sklearn构建KDTree】

import sklearn
from sklearn.neighbors import KDTree
# build KDTree and KNN
KDTree = sklearn.neighbors.KDTree(pcd)
dist_to_knn, idx_of_knn = KDTree.query(pcd[idx], k=k)

注：pcd[idx]可以不是pcd中的点
方法2：【使用open3d构建KDTree】

import open3d as o3d
# o3d-knn
pcd = o3d.geometry.PointCloud()
pcd.points = o3d.utility.Vector3dVector(pcd)
pcd_tree = o3d.geometry.KDTreeFlann(pcd.points)
[k, idx_of_knn, dist_to_knn] = pcd_tree.search_knn_vector_3d(pcd[idx], k)

注：
由于open3d中search_knn_vector_3d函数的定义，输入的坐标只能是[3，1]，所以查询点无法批量查询

search_knn_vector_3d(self, query, knn) Parameters query
(numpy.ndarray[numpy.float64[3, 1]]) – The input query point. knn
(int) – knn neighbors will be searched. Returns Tuple[int,
open3d.utility.IntVector, open3d.utility.DoubleVector]