【PCL】教程 octree_search 八叉树的构建、体素内搜索、K近邻搜索和半径内搜索

使用八叉树进行空间分区和搜索操作 

八叉树是一种基于树的数据结构，用于管理稀疏的三维数据。每个内部节点都有八个子节点。在本教程中，我们将学习如何使用八叉树对点云数据进行空间分区和邻域搜索。特别是，我们将讲解如何执行 "体素内邻居搜索"、"K 最近邻搜索 "和 "半径内邻居搜索"。

终端输出：

K nearest neighbor search at (54.6875 786.5 19.9375) with K=10
    88.75 906.094 56.875 (squared distance: 16827.3)
    151.125 886.562 83.8438 (squared distance: 23396.7)
    61.9688 932.469 97.75 (squared distance: 27414.7)
    188.812 711.719 109.156 (squared distance: 31541.7)
    238.906 757.594 55.4688 (squared distance: 36034.6)
    217.594 874.125 82.25 (squared distance: 38099.4)
    170.062 628.906 0.28125 (squared distance: 38533.5)
    173.75 616.719 16.2812 (squared distance: 43014.9)
    85.6875 675.156 193.375 (squared distance: 43439)
    96.0938 816.375 222.5 (squared distance: 43638.6)
Neighbors within radius search at (54.6875 786.5 19.9375) with radius=113.641

这段代码是使用C++编写的，并且利用了PCL（Point Cloud Library，点云库）来进行点云数据的搜索和处理。主要内容包括初始化点云数据，构建八叉树索引，并通过不同的搜索方法来查询点云数据。

具体来说，这段代码首先包含本PCL库中处理点云和八叉树搜索的相关头文件，还有标准输入输出头文件和向量处理头文件。在 main() 函数中完成了以下几个步骤：

1. 初始化一个点云对象 cloud。

2. 随机生成1000个点的点云数据，这些点的X、Y、Z坐标值是通过随机数生成的。

3. 创建一个八叉树搜索对象 octree，并设置其<