Open3D点云库 C++学习笔记

原创

已于 2022-03-27 16:18:37 修改 · 2.1k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#c++ #3d

于 2022-03-25 21:20:24 首次发布

本文介绍了K-d树和八叉树的基本概念及在3D点云数据中的应用，包括K-d树的两种搜索方法（基于数量和基于半径），以及八叉树的空间划分原理和遍历操作。

几何篇（四）

文章目录

几何篇（四）
前言
一、K-d树
二、八叉树
三、参考资料
总结

前言

本章节将主要介绍K-d树和八叉树。

一、K-d树

Open3D 使用FLANN构建 KDTrees 以快速检索最近的邻。其搜索方式主要包括两种，一种是根据数量搜索，另一种是根据半径来搜索。

代码如下：

    auto new_cloud_ptr = std::make_shared<geometry::PointCloud>();//读入点云数据，并判断是否读入成功
    if (io::ReadPointCloud("../data/fragment.ply", *new_cloud_ptr)) {
   
   
        utility::LogInfo("Successfully read {}", "../data/fragment.ply");
    } else {
   
   
        utility::LogWarning("Failed to read {}", "../data/fragment.ply");
        return 1;
    }

    Eigen::Vector3d color(0.5,0.5,0.5); //把点云设置为灰色

    new_cloud_ptr->open3d::geometry::PointCloud::PaintUniformColor(color);//把点云设置为灰色

    //最大个数的搜索方法
    geometry::KDTreeFlann kdtree;
    int num =200; //最近邻个数
    kdtree.SetGeometry(*new_cloud_ptr);
    std::vector<int> new_indices_vec(num);//最近邻对应的点云索引序号
    std::vector<double> new_dists_vec(num);//最近邻离中心点的距离
    kdtree.SearchKNN(new_cloud_ptr->points_[1500], num, new_indices_vec, //将第1500个点设置为搜索的中心点
                     new_dists_vec);

    for (size_t i = 0; i < new_indices_vec.size()