KD-Tree的构建及检索

目录

摘要：我们在点云处理中经常使用构建KD-Tree数据结构，接着用于高效查询近邻点。经常直接调用PCL函数过于简单，在这里我们对KD-Tree的构建及检索原理进行讨论。最后，介绍一下在PCL中KD-Tree的基本使用方法。

构建KD-Tree

百度百科定义： kd-tree（k-dimensional树的简称），是一种对k维空间中的实例点进行存储以便对其进行快速检索的树形数据结构。 [1] 主要应用于多维空间关键数据的搜索（如：范围搜索和最近邻搜索）。

其中K代表数据的维度，在激光雷达三维点云中，KD-Tree的维度是3。由于点云数据的数量一般较大，使用KD-Tree构建数据索引能够帮助我们快速的进行检索。

一个 kd-tree的节点的数据结构一般包括下述类型：

https://www.cnblogs.com/maxlpy/p/4297254.html

其中，常用的数据是： 数据适量，切割轴split，父节点，左支节点，右支节点。这些就能满足 kd-tree的构建与检索了。

• 伪代码

输入: 大量无序化的点云，维度3
输出：点云对应的kd-tree数据结构
构建过程：
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（另外一种说法是随机选择一个维度）；
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：继续选择方差最大的轴作为分割轴（或者随机选择、或顺序选择）;
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；

为了更好的理解上述伪代码，我们以下述例子进行更加详细的说明：

• 二维样例：

{（1,1），（4,5），（2,9），（5,7），（6,1），（7,2），（9,3）}

• 构建步骤：

1）初始化分割轴：
这里为了简单，不计算方差，直接随机选择X轴作为分割轴。

2）确定当前节点：
对X轴中的{1,4,2,5,6,7,9}选取中位数为5，则选择**（5,7）** 点作为当前节点。

3）划定左右分支数据：
在分割轴X轴维度上，比较与中位数5的大小，进行划分：

左支：（1,1），（4,5），（2,9）
右支：（6,1），（7,2），（9,3）

4）更新左右分支的分割轴为y轴：

5）在左右分支中确定节点：

左支：y轴坐标的中位数为5，选取（4,5）作为子节点
右支：y轴坐标的中位数为2，选取（7,2）作为子节点

6）分别对子节点划分新的左支右支：

（4,5）节点：左支：（1,1），右支：（2,9）
（7,2）节点：左支：（6,1），右支：（9,3）

最终，就构建完成了整个KD-Tree。
示意图如下：

在对应的二维空间表示：

最近邻搜索

假设，在构建kd-tree之后，我们想在上述的点集合中要找一个与（2,2）点最近的点。

• 计算与当前节点(5,7)的距离，为5.8，并且暂定为(5,7)，根据当前分割轴的维度（2 < 5），选取左支。
• 计算与左支节点(4,5)的距离，为3.6，小于5.8，暂定为(4,5)，根据当前分割轴的维度（2 < 5），选取左支。
• 计算与左支节点(1,1)的距离，为1.4，小于3.6，暂定为(1,1)，根据当前分割轴的维度（2 > 1），选取右支，而右支为空，回溯到上一节点。
• 计算（2,2）与(4,5)分割轴5之间的距离为3，3>1.4，说明当前节点(1,1)即为（2,2）点的最近邻。

距离范围搜索的原理和最近邻搜索的差不多，把满足距离的全部放进去就可以了。

PCL函数用法

kd-tree在PCL库的日常使用中，一般会在两个方面使用：

• 最近邻搜索

//头文件
#include <pcl/kdtree/kdtree_flann.h>
//设定kd-tree的智能指针
pcl::KdTreeFLANN<pcl::PointXYZI>::Ptr kdtreeCornerLast(new pcl::KdTreeFLANN<pcl::PointXYZI>());
//输入三维点云，构建kd-tree
kdtreeCornerLast->setInputCloud(laserCloudCornerLast);
//在点云中寻找点searchPoint的k近邻的值，返回下标pointSearchInd和距离pointSearchSqDis
// k的值为搜索最近邻点的个数
kdtreeCornerLast->nearestKSearch (searchPoint, K, pointIdxNKNSearch, pointNKNSquaredDistance);

• 距离范围搜索

//在点云中寻找和点searchPoint满足radius距离的点和距离，返回下标pointIdxRadiusSearch和距离pointRadiusSquaredDistance
kdtreeCornerLast->radiusSearch (searchPoint, radius, pointIdxRadiusSearch, pointRadiusSquaredDistance);