K-d Tree与八叉树(3)--- 半径搜索

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、半径搜索

 # 半径搜索
[k1, idx1, _] = pcd_tree.search_radius_vector_3d(pcd.points[100], 0.02) 
 # 半径搜索结果并渲染为蓝色
np.asarray(pcd.colors)[idx1[1:], :] = [0, 0, 1] 
print("查询点:", pcd.colors[100])
print("K近邻距离:", idx1)
o3d.visualization.draw_geometries([pcd])

3、可视化结果

4、代码解析

解析参照:K-d Tree与八叉树(2)---K领域搜索_西依奥肖的博客-CSDN博客

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值