三维点云处理第二章（2）--Kd-tree

 Kd-tree就是可以在K维空间中（任一维均可）工作的树。类似于在每一个维度都跑一下二叉树。

如何建这个Kd-tree呢？在每一个维度都跑一下二叉树。二叉树最后一个节点只有一个点，但Kd-tree最后一个节点可以包含多个点。要建一个树，先看看点是否足够多。若有多个点，多个维度，则在每个维度都将其切成一半一半的，左右点数基本平均。

 有两种方法·，但都差不多，一种是左边这种，将超平面划到数据点上：另一种就是确保每个点都在区域内，不在超平面上。

 首先要找到要切的维度，这个波浪线是二维、横向分布，第一步很自然的从中间竖着切。第二部可以采用轮流切的方式，第一步竖着切，第二部就横着切。也可以采用自适应切法·，如图，我们切开是为了每一部分点更加的平均。两者速度相差不大。

 如下图，建Kd-tree。第一步先随意选一个平面切（尽量使切平面两边数据个数相差不多），如图竖着切s1。第二部横着y轴切，如s2。我们将做末端叶子包含数据个数设为1，那么我们就需要分割至每个区域只剩一个点。那么第三步如s3，因为leaf-size = 1，此时这边无法再切，我们回到s2的另一边，切出s4，s4有一边仅有一个g，无需再切，另一边切出s5，s5左右均只有一个点，无需再切。此时我们往上走回到s1，同理切出s6,s7,s8。最后，成功把空间分为这么多。

 如何表达一个Kd-tree的节点呢？先看左下角绿色区域，我们首先是s2，按x轴去切的，那么axis=1（因为垂直于y轴)，切的位置就是s2，我们将s2放到value里面去，左边右边各是s2的节点，将这边区域所有的点存起来，存到point_indices里面，存的是标号。然后判断是不是一个leaf，如果是，那就不需要继续切了。

 如何建树?（第一步沿着哪个轴去切，第二部把点分为左右各一半。）第一步判断要不要把这个点切开，如果点数小于lesf_size，那么就不用再切。若点数够多，则选一个维度，将所有点按照哪一个维度排序，然后找中间点（就知道中间点左右各一半），把左边的丢进递归函数，右边丢进另一个递归函数，结束。（找维度按照轮换方式）

 时间、空间复杂度。用随便选一些点找中值或者所有点找平均值都会降低复杂度。

 如何查找KNN呢？（在左边先找左边，右边先找右边）第一步找到根节点，然后一直朝左或右。例子：找红色方块最邻近的点。找到根节点后，找s1左边，左边更有可能找到。然后s2右边，然后s4，找到叶节点g，画一个圆（我们已经找到一个最坏距离），此时我们只需去找最坏距离内的点，回到s4，s4左边有跟我的圆有交集，然后s5，s5右边有叶节点e，比最坏距离更小，因此最坏距离缩小，回到s5，不需要找左边，无交集（丢弃该区域，无需查找），再回，回到s2,不需要走左边，无交集，再回到s1，跟s1右边有交集，需要查找s1右边，到s6，走右边，没找到更小的，最坏距离不变，走s6左边，也没找到更小的，最坏距离不变。（其实就是给定一个点，看要不要查找某一个区域）

 代码描述

  

 时间复杂度