点云处理
文章平均质量分 50
wykup
这个作者很懒,什么都没留下…
展开
-
【点云处理】第二章 最邻近问题 Nearest Neighbor Prroblem (3)八叉树
Page1八叉树为三维数据设计八叉树不需要回到root节点才停止,可以提前停止搜索。构建一个以搜索节点为中心,搜索半径的球,球完全落在某立方体里,则搜索范围就在立方体中。外面的东西不用管。Page2Page3octant组成:子节点children有8个;center,立方体中心点位置;extent:半个边长,中心点到其中一个面的距离;立方体中的点的index;判断是不是leafPage4构建8叉树:db:database,所有的点,根据点构建8茶树如果root节点不存原创 2021-08-10 23:58:16 · 566 阅读 · 0 评论 -
【点云处理】第二章 最邻近问题 Nearest Neighbor Prroblem (2)KD树
KD:k-dimension1975年发明。KD树每个节点包含很多内容。末节点不是none。最末端放leaf size个点。首先找到切的维度。两种都可以leaf size = 1.问题1:如何表达节点?建树第一步,选轴,第二步:把点分成两部分在选定的维度上进行排序,从中间分开核心思想:给定一个查询点,要不要搜索某个区域?查询的代码...原创 2021-08-10 19:40:51 · 269 阅读 · 0 评论 -
【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,怎么跳原创 2021-08-10 18:16:36 · 430 阅读 · 0 评论