1. 點(diǎn)云索引

Open3D KdTree，可以快速的在無(wú)序的點(diǎn)云中建立空間拓?fù)浣Y(jié)構(gòu)，使得能迅速的進(jìn)行近鄰搜索；

2. 近鄰方法分類：

Open3D這邊支持的近鄰搜索方法由VTK實(shí)現(xiàn)；

• K近鄰搜索（K Nearest Neighbors Search）
• 半徑近鄰搜索（Radius Nearest Neighbors Search）
• 混合近鄰搜索（ RKNN Radius K Nearest Neighbors Search）

3. 索引應(yīng)用

• 點(diǎn)云下采樣
• 點(diǎn)云的高效無(wú)損壓縮 15%
• 基于鄰域關(guān)系的快速查找

4. 效果圖

原始點(diǎn)云

近鄰搜索結(jié)果

k近鄰中心點(diǎn)紅色，K近鄰綠色
半徑近鄰中心點(diǎn)紅色，半徑近鄰藍(lán)色
混合近鄰中心點(diǎn)黃色，混合近鄰點(diǎn)青色

# <Open3D使用FLANN來(lái)構(gòu)建KDTree，以便快速檢索最近的鄰居。>
"""""""""""""""""""""""""""""""""""""""""""""""""""""""""
import open3d as o3d
import osdef search_knn_vector_3d(pcd, pcd_tree, k, j):# search_knn_vector_3d K近鄰查詢pcd.colors[20 * j] = [1, 0, 0]  # 給定查詢點(diǎn)并渲染為紅色[k, idx, _] = pcd_tree.search_knn_vector_3d(pcd.points[20 * j], k)o3d.np.asarray(pcd.colors)[idx[1:], :] = [0, 1, 0]  # K鄰域的點(diǎn)，渲染為綠色print(idx[1])print(pcd.points[idx[2]])def search_radius_vector_3d(pcd, pcd_tree, k, j, dis):# search_radius_vector_3d 半徑近鄰搜索pcd.colors[150 * j] = [1, 0, 0]  # 給定查詢點(diǎn)并渲染為紅色[k1, idx1, _] = pcd_tree.search_radius_vector_3d(pcd.points[150 * j], 2 * dis)o3d.np.asarray(pcd.colors)[idx1[1:], :] = [0, 0, 1]  # 半徑搜索結(jié)果并渲染為藍(lán)色def search_hybrid_vector_3d(pcd, pcd_tree, k, j, dis):# 混合搜索（RKNN），它最多返回K個(gè)和查詢點(diǎn)距離小于給定半徑的最鄰近點(diǎn)pcd.colors[200 * j] = [1, 1, 0]  # 給定查詢點(diǎn)并渲染為黃色[k2, idx2, _] = pcd_tree.search_hybrid_vector_3d(pcd.points[200 * j], 2 * dis, k)o3d.np.asarray(pcd.colors)[idx2[1:], :] = [0, 1, 0.8]  # 半徑搜索結(jié)果并渲染為青色path = os.path.abspath(os.path.join(os.getcwd(), "../"))
path = path + "/pcds/bunny.pcd"
# k：ksearch數(shù)量
# j：第多少個(gè)點(diǎn)*基數(shù)當(dāng)作尋找的點(diǎn)
# dis：半徑search的半徑值基數(shù)
k = 50
j = 1
dis = 0.01
# path = path + "/pcds/1001140020191217_las2pcd_g.pcd"
# j = 150
# k = 20000
# dis = 1
print(path)pcd = o3d.io.read_point_cloud(path)
pcd.paint_uniform_color([0.5, 0.5, 0.5])  # 把所有點(diǎn)渲染為灰色（灰兔子）
print(pcd)
o3d.visualization.draw_geometries([pcd], window_name='Open3D KdTree Origin', width=800, height=600, left=50, top=50,point_show_normal=False, mesh_show_wireframe=False,mesh_show_back_face=False)# 建立KD樹(shù)索引
pcd_tree = o3d.geometry.KDTreeFlann(pcd)search_knn_vector_3d(pcd, pcd_tree, k, j)
search_radius_vector_3d(pcd, pcd_tree, k, j, dis)
search_hybrid_vector_3d(pcd, pcd_tree, k, j, dis)# 可視化
o3d.visualization.draw_geometries([pcd], window_name='Open3D KdTree', width=800, height=600, left=50, top=50,point_show_normal=False, mesh_show_wireframe=False,mesh_show_back_face=False)

總結(jié)

以上是生活随笔為你收集整理的Open3D KdTree建立、3种近邻搜索及结果可视化的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。