点云中的kd树和八叉树

kd树

• 简介
  kd-tree简称k维树，是一种空间划分的数据结构。常被用于高维空间中的搜索，比如范围搜索和最近邻搜索。kd-tree是二进制空间划分树的一种特殊情况 。
  由于三维点云的数目一般都比较大，所以，使用kd-tree来进行检索，可以减少很多的时间消耗，可以确保点云的关联点寻找和配准处于实时的状态。
  kd-tree的构建就是按照某种顺序将无序化的点云进行有序化排列，方便进行快捷高效的检索。
• 原理
  Input: 无序化的点云，维度k
  Output：点云对应的kd-tree
  Algorithm：
  1、初始化分割轴：对每个维度的数据进行方差的计算，取最大方差的维度作为分割轴，标记为r；
  2、确定节点：对当前数据按分割轴维度进行检索，找到中位数数据，并将其放入到当前节点上；
  3、划分双支：
  划分左支：在当前分割轴维度，所有小于中位数的值划分到左支中；
  划分右支：在当前分割轴维度，所有大于等于中位数的值划分到右支中。
  4、更新分割轴：r = (r + 1) % k;（就是按顺序循环）
  5、确定子节点：
  确定左节点：在左支的数据中进行步骤2；
  确定右节点：在右支的数据中进行步骤2；

最近邻检索

• 一个最近邻
  一个最近邻其实很简单，我们只需要定位到对应的分支上，找到最接近的点就可以了。
  举个例子：查找(2.1,3.1)的最近邻。
  计算当前节点(7,2)的距离，为6.23，并且暂定为(7,2)，根据当前分割轴的维度（2.1 < 7），选取左支。
  计算当前节点(5,4)的距离，为3.03，由于3.03 < 6.23，暂定为(5,4)，根据当前分割轴维度（3.1 < 4），选取左支。
  计算当前节点(2,3)的距离，为0.14，由于0.14 < 3.03，暂定为(2,3)，根据当前分割轴维度（2.1 > 2），选取右支，而右支为空，回溯上一个节点。
  计算(2.1,3.1)与(5,4)的分割轴{y = 4}的距离，如果0.14小于距离值，说明就是最近值。如果大于距离值，说明，还有可能存在值与(2.1,3.1)最近，需要往右支检索。
  由于0.14 < 0.9，我们找到了最近邻的值为(2,3)，最近距离为0.14。

八叉树

知识点补充

算法复杂度