【点云处理】第二章 最邻近问题 Nearest Neighbor Prroblem (1)二叉树

k-NN：

红色是要查的点，绿色是要在周围查3个最邻近的点1，2，3。

怎么样找到一个邻域，在求法向量、上采样、下采样、噪声去除等等的问题中很重要，还有聚类、深度学习、特征提取等。有现成的库可以用，flann、PCL等，但是速度慢一些，自己写得更快。

为什么最邻近问题困难？不规则，不像图像上下左右走一圈就行；点云高一维，数据更多。建网格的话，分辨率上去，但是储存需要内存大，大部分区域空白，不高效。数据量大，110000个点/20Hz.所以需要kd树，八叉树处理海量数据。


有些区间不需要查找，怎么跳过？
怎么可以更快地搜索？

二叉树：
左边的树要比中间节点小，右边的key要比中间的root大。小放左，大放右。
1960年发明。


每个圆圈都是个节点，有个key，还有value等值也可以存储。



复杂度多少？不好说，要看二叉树建的好不好。
有可能变成一个链条。一无是处。O(h)

查找可以用递归或循环。


堆栈：stack，递归用stack
循环可以替代递归，用循环代替stack
循环可以用在GPU上。GPU上内存不够用，速度慢。

遍历，中序，前序，后序。

中序：顺序排列。
前序：复制一个树
后序：删除一个节点

1最邻近 1NN
寻找数字11
核心：8的左侧都不用寻找了，8的左侧都可以跳过。

kNN，k个最邻近点
worst distance以外的点可以被跳过

容器中保存k个距离，按顺序排列
最后一个代表需要找的点离我的最坏距离。

先确定容器：
add_point 确保了从小到大排列，方便查询最坏距离。

knn搜索算法：
先对比根节点自己，把这个点放到容器中，如果是要找的k个元素之一，就按顺序排进去，如果不在容器里，就说明比最后一个还大，加不进去；
接下来判断是去根节点的左边还是右边查找，如果比根节点大，就去根节点的右边查找，可以更快缩小最坏距离。

对于Radius NN，最坏距离已经给定，就是要查找的半径，

RadiusNN算法也可以简单些，不需要排序了。

有100个数字，找5个最邻近的点，或者半径为2.0内的点。

1维的二叉树不适用高维数据。
这是branch-n-Bound算法的分支。