Open3d之KDTree

KDTree

Open3d使用FLANN构建KDTree以便进行快速最近邻检索。

从点云中建立KDTree

下面的代码展示读取一个点云并且构建一个KDTree。这是下面最邻近查询的需处理步骤。

# -*-coding:utf-8 -*-

import open3d as o3d

# 读取点云
pcd = o3d.io.read_point_cloud("../../TestData/Feature/cloud_bin_0.pcd")
# 将点云上成灰色
pcd.paint_uniform_color([0.5, 0.5, 0.5])
# 对点云进行kdtree检索
pcd_tree = o3d.geometry.KDTreeFlann(pcd)

寻找邻域点

我们选择第1500点作为锚点，把它涂成红色。

pcd.colors[1500] = [1, 0, 0]

使用函数 search_knn_vector_3d

函数search_knn_vector_3d返回锚点的k个最近邻居的索引列表并将这些相邻点涂有蓝色。 请注意，为了能批量访问点颜色我们将pcd.colors转换为numpy数组，并将所有选定点广播蓝色。 我们跳过第一个索引，因为它是锚点本身。

# 检索喵点附近的200个最近邻点, 并将其涂上蓝色
[k, idx, _] = pcd_tree.search_knn_vector_3d(pcd.points[1500], 200)
np.asarray(pcd.colors)[idx[1:], :] = [0, 0, 1]

 

# 可视化点云
o3d.visualization.draw_geometries([pcd], zoom=0.5599,
                                  front=[-0.4958, 0.8229, 0.2773],
                                  lookat=[2.1126, 1.0163, -1.8543],
                                  up=[0.1007, -0.2626, 0.9596])

使用函数 search_radius_vector_3d 

同样，我们可以使用search_radius_vector_3d查询距锚点距离小于给定半径的所有点并将这些点涂成绿色。

# 检索以喵点为圆心半径小于0.2米的点云, 并将其涂上绿色
[k, idx, _] = pcd_tree.search_radius_vector_3d(pcd.points[1500], 0.2)
np.asarray(pcd.colors)[idx[1:], :] = [0, 1, 0]

Visualize the point cloud.

# 可视化点云
o3d.visualization.draw_geometries([pcd],
                                  zoom=0.5599,
                                  front=[-0.4958, 0.8229, 0.2773],
                                  lookat=[2.1126, 1.0163, -1.8543],
                                  up=[0.1007, -0.2626, 0.9596])

Note:
除了KNN搜索(search_knn_vector_3d)和RNN搜索(search_radius_vector_3d)以外,Open3d还提供了混合搜索函数(search_hybrid_vector_3d)。它最多返回K个和锚点距离小于给定半径的最邻近点。这个函数结合了KNN和RNN的搜索条件，在某些文献中也被称作RKNN搜索。在许多情况下它有着性能优势,并且在Open3d的函数中大量的使用.

完整代码

# -*-coding:utf-8 -*-
import numpy as np
import open3d as o3d

# 读取点云
pcd = o3d.io.read_point_cloud("../../TestData/Feature/cloud_bin_0.pcd")
# 将点云上成灰色
pcd.paint_uniform_color([0.5, 0.5, 0.5])
# 对点云进行kdtree检索
pcd_tree = o3d.geometry.KDTreeFlann(pcd)
pcd.colors[1500] = [1, 0, 0]
# 检索喵点附近的200个最近邻点, 并将其涂上蓝色
[k, idx, _] = pcd_tree.search_knn_vector_3d(pcd.points[1500], 200)
np.asarray(pcd.colors)[idx[1:], :] = [0, 0, 1]
# 检索以喵点为圆心半径小于0.2米的点云, 并将其涂上绿色
[k, idx, _] = pcd_tree.search_radius_vector_3d(pcd.points[1500], 0.2)
np.asarray(pcd.colors)[idx[1:], :] = [0, 1, 0]
# 可视化点云
o3d.visualization.draw_geometries([pcd],
                                  zoom=0.5599,
                                  front=[-0.4958, 0.8229, 0.2773],
                                  lookat=[2.1126, 1.0163, -1.8543],
                                  up=[0.1007, -0.2626, 0.9596])