PCL KD-TREE搜索R半径邻域内点云

最新推荐文章于 2024-12-21 22:16:07 发布

原创

最新推荐文章于 2024-12-21 22:16:07 发布 · 6.3k 阅读

32 ·

CC 4.0 BY-SA版权

本文档记录了在PCL（Point Cloud Library）中如何使用KD-TREE算法搜索特定点的R半径邻域内的点云数据，以满足小论文中关键点选取的需求。通过这种方法，可以有效地提取点云局部特征。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

小论文需要在PCL中选择关键点一定邻域内的点云，在这里记录显示单个点邻域点云的方法。

//搜索source关键点周围的点云
	//创建kdtree 结构
	pcl::KdTreeFLANN<pcl::PointXYZ> kdtree;
	//传入点云
	//source_Ransac_keypoint_trans
	kdtree.setInputCloud(source_ori);
	pcl::PointCloud<pcl::PointXYZ>::Ptr source_key_Neigh(new         
    pcl::PointCloud<pcl::PointXYZ>());
	pcl::PointCloud<pcl::PointXYZ>::Ptr source_key_point(new 
    pcl::PointCloud<pcl::PointXYZ>());
	std::vector<int> pointIdxRadiusSearch;
	std::vector<float> pointRadiusSquaredDistance;
	//设置输入点
	pcl::PointXYZ searchPoint;    //source_22
	int j;
	for (int i = 0; i < source_ori->size(); i++)

	{
        //设置输入点条件
		if (i == source_ori->size()/2)
		{
			searchPoint = source_ori->at(i);
			source_key_point->push_back(source_ori->at(i));
            //设置邻域半径
			float radius = 0.005;

			if (kdtree.radiusSearch(searchPoint, radius, pointIdxRadiusSearch, pointRadiusSquaredDistance)>0)
				for (size_t j = 0