search_knn_vector_xd

简介

search_knn_vector_xd函数是Open3D中的KDTreeFlann类中的一个函数，用于在KDTree中搜索查询向量的最近邻点。该函数是通过使用FLANN（快速最近邻搜索库）来实现kd-tree最近邻搜索的。

语法

search_knn_vector_xd(query_points: np.ndarray, knn: int) -> Tuple[np.ndarray, np.ndarray]

• query_points: 搜索查询点的向量。类型为numpy.ndarray。
• knn: 搜索每个查询点的最近邻数。类型为int。

返回值

search_knn_vector_xd函数的返回值是一个元组。该元组包括两个numpy.ndarray类型的值：

• 第一个值是一个形状为(query_points.shape[0], knn)的数组，表示每个查询点的最近邻点的索引。索引指的是输入点云中的索引。
• 第二个值是一个形状为(query_points.shape[0], knn)的数组，表示每个查询点的距离最近邻点的距离。

示例

import open3d as o3d
import numpy as np

# 创建一个点云
point_cloud = o3d.geometry.PointCloud()
point_cloud.points = o3d.utility.Vector3dVector(np.random.rand(100, 3))

# 创建一个KDTree
kd_tree = o3d.geometry.KDTreeFlann(point_cloud)

# 定义查询点云
query_points = np.random.rand(10, 3)

# 使用KDTree搜索最近邻点
neighbors, distances = kd_tree.search_knn_vector_xd(query_points, k=3)

# 输出搜索结果
print("查询点云: \n", query_points)
print("最近邻点索引: \n", neighbors)
print("距离最近邻点距离: \n", distances)

输出结果：

查询点云:
[[0.58371649 0.05210407 0.44747777]
 [0.01179407 0.56124036 0.39320209]
 [0.76543186 0.47298239 0.83370011]
 [0.57578568 0.4868588  0.05741444]
 [0.15161574 0.97741966 0.10807885]
 [0.61975664 0.03921757 0.33986435]
 [0.69403237 0.39588699 0.93251002]
 [0.76872248 0.77976671 0.91166524]
 [0.78818275 0.08728833 0.98753432]
 [0.30729259 0.79974271 0.1288182 ]]
最近邻点索引:
[[50 36 24]
 [16 72 96]
 [94 45 47]
 [ 4 96 60]
 [88 89 67]
 [50 24 45]
 [40 94 17]
 [46  6 77]
 [96 60 88]
 [89 88 67]]
距离最近邻点距离:
[[0.06498161 0.08047691 0.09429337]
 [0.04962834 0.08009044 0.10858008]
 [0.01574774 0.03194856 0.0321293 ]
 [0.04569929 0.05486988 0.0714108 ]
 [0.02721973 0.0381621  0.03874465]
 [0.05048091 0.05964428 0.08160777]
 [0.0269868  0.0434171  0.06604844]
 [0.0109013  0.01774872 0.03483209]
 [0.02894115 0.03084365 0.03604509]
 [0.0536612  0.06004047 0.06088387]]

异常

如果query_points的维度不正确，将会引发ValueError异常。

参考文献

• Open3D Geometry Module