K-d Tree与八叉树（2）---K领域搜索

1、建立一个K-d Tree 索引

import open3d as o3d
import numpy as np
pcd = o3d.io.read_point_cloud("data//bunny.pcd")

# 把所有点渲染为黑色（黑色兔子）
pcd.paint_uniform_color([0, 0, 0])  

# 建立KD树索引
pcd_tree = o3d.geometry.KDTreeFlann(pcd)  

2、K近邻搜索

pcd.colors[100] = [1, 0, 0]  # 第50个点作为查询点，给定查询点并渲染为红色

# K近邻搜索
[k, idx, _] = pcd_tree.search_knn_vector_3d(pcd.points[100], 50)  

# K邻域的点，渲染为绿色
np.asarray(pcd.colors)[idx[1:], :] = [0, 1, 0]  

print("查询点:", pcd.colors[100])
print("K近邻距离:", idx)

3、结果

 4、代码解析

[k, idx, _] = pcd_tree.search_knn_vector_3d(pcd.points[100], 50)  # K近邻搜索
# 查询距离指定点（第100个点）最近的邻近点（最近的50个点）
# k表示需要查询的最近邻点的个数，这里是100。
# idx是一个一维整数数组，它包含了最近邻点的索引。索引从0开始，表示点云数据中的点的索引。
# _是一个空的占位符，表示距离值。在这种情况下，它并没有被使用。

np.asarray(pcd.colors)[idx[1:], :] = [0, 1, 0]  # K邻域的点，渲染为绿色
# np.asarray(pcd.colors)将点云对象pcd的颜色属性转换为NumPy数组，以便进行索引和赋值操作
# idx[1:]是一个索引数组，表示要修改的点的索引
# 使用idx[1:]从中提取除第一个元素之外的所有索引，这意味着要修改除第一个点之外的所有点的颜色