三维点云处理第二章笔记（1）—Binary Search Tree

小颜呀

已于 2023-07-09 17:48:04 修改

阅读量118

点赞数

分类专栏：三维点云处理文章标签：笔记 python 计算机视觉

于 2023-07-01 17:22:21 首次发布

本文链接：https://blog.csdn.net/qq_53372894/article/details/131491109

版权

三维点云处理专栏收录该内容

7 篇文章 1 订阅

订阅专栏

最近邻查找是点云算法的最重要根基之一。点云滤波、聚类、特征点提取、匹配、点云配准等等都用到了最近邻查找，深度学习算法也离不开最近邻查找（比如点云骨干网络）。

最邻近问题

对于点云里面的点，我们如何找离它最近的点。最常用的两种方法：Kd-tree和Octree。

首先需要讲一下Binary Search Tree,这是其它方法的基础。二叉树可处理一维数据点的最邻近问题查找。Kd-tree可以处理任何维度数据，但通常用于处理二维；Octree是专门为三维数据设计的，它是空间中有大有小的立方体，比Kd-tree更适合用于三维。三种方法的共同点就是空间分割，找到大概最近的，直接处理近的。

K-NN和Fixed Radius-NN是两种不一样的找邻居的方法。

红色的点是要查的点，蓝色绿色点是数据库里有的点。第一个图其实就是3-NN，我们要找三个与红色点最近的点，就是绿色的123。第二个图Radius-NN方法就是以要查的点即红点为圆心，画一个圆，里面的点都算邻居。

1.如何跳过一些小的不需要查找的区间？举个例子：假设只找一个最邻近点，我本来的点在（0，0），我已经找到了一个点在（1，1），那么（0，0）到（1，1）的这段距离就是我的“worst distance”，我不需要再去找比这个worst distance更远的区间了（因为只找一个点，而最远就是（1，1），这段距离内可能有更近的，而距离外的都更远），所以就可以跳过那段区间。

2.如何更快的结束搜索？若我知道可能的邻居都在某一个区间里面，那么我查找万完这个区间就可以结束了，不需要再去查找其他的了。

总之，就是如何分割空间，分割后跳过某一空间以及停止搜索。

二叉树

特性：左边的树一定比右边小、右边的比中间的大，左右子树都是二叉树。（小的放左边，大的放右边）

二叉树代码实现：value不仅仅可以是值，也可以是节点颜色，或者该节点在原来数组的位置、编号等。

给定一维的数组{x1,x2,x3,...,xn},xi $\epsilon$ R，我们如何构造二叉树。总结就是“小放左，大放右”

代码如图

复杂度

给定一个数据点，查找是否在二叉树里面，不在，返回NULL。可用递归和循环两种方式。递归方法代码：调用本身，放进栈里面，什么时候回到那个地方就从栈里面拿出来。

循环代码实现：

中序，前序，后序，便历方式不同，得到的数组排序不同。

如何查找离11最近的一个邻居？首先查到8这个节点，那么我的worst distance = 3（11-8），最近的邻居距离11至少3那么远，左边距离会更远，11比8大，故应该先向右边看，到10，此时最坏距离为1，需要搜索（10-12），右边比10大，先找右边，找到14，最坏距离不变，11比14小，所以需要寻找14的左边，找到13，发现没有变化，返回14，返回10，返回8，此时看看是否需要找左边，我在右边已经找到10，最坏距离为1，无论在8的左边如何找，都不会使最坏距离小于1，故不需再找。根据8分割两边，我们不去找左边，省去了5个比较点，跳过了一个区域。

如何查找最近的k个邻居？怎么确定最坏距离呢？最开始两边都有，随着查找，右边不再相交，去掉右边区域。