weixin_43384504的博客

关于八叉树和kd树，八叉树的更加适合点云。直观上看，八叉树更加贴合空间。八叉树有一个优势，就是它可以提前终止搜索，而kd树做不到，它要返回根节点去一节一节找。八叉树的构建思路：1.判断是否有根节点，如果没有创建一个根节点 将所有的点都放进去2.判断数据的大小，以及数据的边长（如果满足要求，就是叶子节点）3.将数据压入八叉数中4.递归调用以上的步骤八叉树的查找思路：如果是叶子节点并且空间内节点的数目是大于0的，那么遍历空间内的所有点，并放入到一个容器内部 如果不是那么就判断在

iss 也是一种点云的特征点，其主要是依赖周边的领域而设置的；本文将结合 pcl 的源码 来说明。先计算 领域的协方差矩阵 Iss 论文涉及到了 权重 但是pcl 中没有哦。 for (int n_idx = 0; n_idx < n_neighbors; n_idx++) { const PointInT& n_point = (*input_).points[nn_indices[n_idx]]; double neigh_point[3]; me

#include <iostream>#include <vector>#include <algorithm>#include <string>#include <cmath>#include <numeric>#include<time.h>using namespace std;struct Point { Point(float xx, float yy, float zz) :x(xx),.

相关链接：https://www.cnblogs.com/tiaozistudy/p/dbscan_algorithm.html

简单的一个处理 pointcloud 的tool ，直接看官方的文档就可以了！http://www.open3d.org/docs/release/tutorial/Basic/pointcloud.html#paint-point-cloud

https://www.cnblogs.com/demo-deng/p/7127979.html GMM