关于pcl kdtree的几点总结

---

前言

在使用pcl处理点云的过程中，发现kdtree使用率比较高，这里总结一下应用kdtree需要注意的几点

---

一、pcl kdtree的构建

目前在pcl中遇到的有两种方式（每种方式都可构建智能指针或者对象）

1. 方式1（flann）

#include <pcl/kdtree/kdtree_flann.h>

/****构建kdtree智能指针****/
//设定kd-tree的智能指针
pcl::KdTreeFLANN<pcl::PointXYZI>::Ptr kdtree(new pcl::KdTreeFLANN<pcl::PointXYZI>());
//输入三维点云，构建kd-tree
kdtree->setInputCloud(cloud);

/****构建kdtree对象****/
pcl::KdTreeFLANN<pcl::PointXYZ> kdtree;
kdtree.setInputCloud(cloud);

2. 方式2（search）

#include <pcl/search/kdtree.h>

/****构建kdtree智能指针****/
pcl::search::KdTree<pcl::PointXYZ> ::Ptr kdtree(new pcl::search::KdTree<pcl::PointXYZ>);
kdtree->setInputCloud(cloud);

/****构建kdtree对象****/
pcl::search::KdTree<pcl::PointXYZ> kdtree；
kdtree.setInputCloud(cloud);

二、pcl kdtree查找近邻点

1.按近邻点查找

	int K = ..;//表示准备搜索的近邻点数量
	std::vector<int> vid(K); // 设置一个整型的<vector>，用于存放第几近邻的索引
	std::vector<float> vdis(K); // 设置一个浮点型的<vector>, 用于存放第几近邻与查询点的平方距离
	//可以输入id
	if (kdtree.nearestKSearch(id, K, vid, vdis) == K)
	{
		...
	}
	//也可以输入具体的某个点，这个点甚至可以不是cloud的点
	if (kdtree.nearestKSearch(pointT, K, vid, vdis) == K)
	{
		...
	}

2.按半径查找

	int K = ..;//表示要搜索的半径大小
	std::vector<int> vid; // 设置一个整型的<vector>，用于存放第几近邻的索引
	std::vector<float> vdis; // 设置一个浮点型的<vector>, 用于存放第几近邻与查询点的平方距离
	//可以输入id
	if (kdtree.radiusSearch(id, K, vid, vdis) > 0)
	{
		...
	}
	//也可以输入具体的某个点,这个点甚至可以不是cloud的点
	if (kdtree.radiusSearch(pointT, K, vid, vdis) > 0)
	{
		...
	}

总结

在点云处理中，kdtree有着很广泛的用途，利用kdtree快速的查找近邻点，从而求取点云密度、区域生长等等。