nanoflann使用中遇到的坑

记录使用nanoflann时候的坑

nanoflann库的中文博客介绍 nanoflann中文博客:

nanoflann库的英文介绍 nanoflann的github:

对nanoflann的使用评价

优点：

1. 及其轻量化： ，只用将极少代码问价copy到现有项目中即可实现KNN搜索；
2. 简单易学： github上贴心的提供了实例代码，轻松上手；
3. **功能强大：**实现多个空间的近邻搜索，对L1，L2，SO2和SO3空间进行距离度量 ；

缺点：

1. 实例代码容易引起歧义： 没有对输入和输出参数的具体描述，很容易引起歧义；

遇到的坑

github实例代码中的实例：

// pointcloud_kdd_radius.cpp
{
		const num_t search_radius = static_cast<num_t>(0.1);
		std::vector<std::pair<size_t,num_t> >   ret_matches;

		nanoflann::SearchParams params;
		//params.sorted = false;

		const size_t nMatches = index.radiusSearch(&query_pt[0], search_radius, ret_matches, params);

		cout << "radiusSearch(): radius=" << search_radius << " -> " << nMatches << " matches\n";
		for (size_t i = 0; i < nMatches; i++)
			cout << "idx["<< i << "]=" << ret_matches[i].first << " dist["<< i << "]=" << ret_matches[i].second << endl;
		cout << "\n";
}

search_radius使用时输入是搜索半径的平方，即

// pointcloud_kdd_radius.cpp
{
		const num_t search_radius = static_cast<num_t>(0.1);
}

search_radius代表的搜索半径是0.3米。
专门可视化逐行找错误，白白浪费一下午时间，特此记录。