使用 KD 树搜索比云更少的维度答案

【问题标题】：Use a KD Tree to search in fewer dimensions than the cloud使用 KD 树搜索比云更少的维度
【发布时间】：2016-09-18 00:11:01
【问题描述】：

我想使用 2D (xy) 标准在我的 3D (xyz) 中搜索点云。

即"查找 x=2 AND y=4 附近的所有点，不管它们的 Z 坐标如何"

从概念上讲，我认为我可以通过创建只考虑 x 和 y 的 KD 树来解决这个问题，但我似乎无论如何都找不到使用 PCL 工具来做到这一点。

有没有好的（已经写好的）方法来做到这一点？还是我必须实现自己的 [可能较慢] Kd 树？

【问题讨论】：

标签： point-cloud-library

【解决方案1】：

如果您正在考虑使用 KD 树，那么您对检索到的点的数量或距离都会有一些限制。

在你的情况下，这应该是距离，所以，你得到了(x-dx, x+dx) and (y-dy, y+dy)之间的点。

在 pcl 中做到这一点的一种方法是使用pcl::getPointsInBox()

在给定边界的盒子中获取一组点。

参数

cloud the point cloud data message
min_pt    the minimum bounds
max_pt    the maximum bounds
indices   the resultant set of point indices residing in the box

所以，如果你想得到 x(1.25, 1.75) 和 y(2.25, 2.75) 之间的点，你必须创建两个 MinMax 点，如下所示：

PointMin(1.25, 2.25, min_z)
PointMax(1.75, 2.75, max_z)

min_z & max_z 可以设置为 (-15, 40) 的任意低和高，让您获得指定 (x,y) 范围内的所有点，而不考虑 (z)

【讨论】：

这会和 KD 树一样快吗？