三维点云学习（3）下-Octree

最新推荐文章于 2024-04-21 20:11:10 发布

原创

最新推荐文章于 2024-04-21 20:11:10 发布 · 1.3k 阅读

14 ·

CC 4.0 BY-SA版权

本文深入探讨了八叉树（Octree）在三维点云数据中的构建与应用，特别是如何利用八叉树进行高效的K近邻（KNN）搜索和半径搜索。通过对比kd-tree，展示了八叉树在特定场景下的优势，并提供了完整的代码实现。

三维点云学习（2）下-Octree

Octree(八叉树)的基本结构

思想：立体空间的分割
在这里插入图片描述
二维平面的展示

在这里插入图片描述

Octree(八叉树)的构建

#extent:立方体中心点到面的距离
#Center of the cube 立方体的中心
在这里插入图片描述
1.判断每一个点里面都有怎么样的主节点
2.计算子节点的中心在哪，子节点的边长，再把属于这个子节点的数据放进去

Octant构建完成之后，进行kNN的搜寻
这里展现了Octree比kd-tree的优越在于当红色框被S2包围时，可以马上结束搜寻
在这里插入图片描述
1.如果octant是一个末尾叶子节点，直接把数据扔进去KNN搜寻
2.如果不是末尾节点，进行寻找最有可能的子节点
3.如果查找成功，直接退出返回True，不成功，再搜寻其他子节点
4.overlaps() 用于判断，子节点与球是否有交际，没有就跳过（空间结构思想）
5.inside() ,如果球面被某一个Octant包围，可直接退出
在这里插入图片描述
inside的实现
#红色代表worst——dist
#正方形代表一个octant
只需要判断 extent > radius +diff 就可认为球在正方体里面

overlaps的实现
#case1：判断是否有接触
如果 diff > extent + radius 可认为球面与octant没接触

#case2：判断球体和某一个面是否接触
假设case1 成立，当有球体的中心点有两个轴位于正方体的相应轴内部时，也同样可判断为有交集
在这里插入图片描述
#case3.1:判断球体有没有跟正方体某个角点接触
当 diff < radius 可判断为和角点有接触

#case3.2:判断球体有没有跟正方体某个棱是否接触
注意：用max(,0)解决球体中某个点会陷在正方体的某个轴上，而出现的负数影响

在这里插入图片描述
oerlaps回顾：

在这里插入图片描述

Better one：

如果有一个球体完全包围一个正方体，那只需要对相应的octant进行kNN search就行
在这里插入图片描述
图示:
如果：
图示绿色线 < radius 可认为被包裹

复杂度

在这里插入图片描述

完整代码

#运行结果

Radius search normal:
Search takes 45438.469ms

Radius search fast:
Search takes 20330.457ms

import random
import math
import numpy as np
import time

from result_set import KNNResultSet, RadiusNNResultSet


class Octant:
    def __init__(self, children, center, extent, point_indices, is_leaf):
        self.children = children
        self.center = center
        self.extent = extent
        self.point_indices = point_indices
        self.is_leaf = is_leaf

    def __str__(self):
        output = ''
        output += 'center: [%.2f, %.2f, %.2f], ' % (self.center[0], self.center[1], self.center[2])
        output += 'extent: %.2f, ' % self.extent
        output += 'is_leaf: %d, ' % self.is_leaf
        output += 'children: ' + str([x is not None for x in self.children]) + ", "
        output += 'point_indices: ' + str(self.point_indices)
        return output


def traverse_octree(root: Octant, depth, max_depth):
    depth[0] += 1
    if max_depth[0] < depth[0]:
        max_depth[0] = depth[0]

    if root is None:
        pass
    elif root.is_leaf:
        print(root)
    else:
        for child in root.children:
            traverse_octree(child, depth, max_depth)
    depth[0] -= 1


def octree_recursive_build(root, db, center, extent, point_indices, leaf_size, min_extent):
    if len(point_indices) == 0:
        return None

    if root is None:
        root = Octant([None for i in range(8)], center, extent, point_indices, is_leaf=True)

    # determine whether to split this octant
    if len(point_indices