[发明专利]一种用于点云数据处理的快速K近邻搜索方法

权利要求书

1.一种用于点云数据处理的快速K近邻搜索方法，其特征在于：由三维扫描获得点云数据时设定的角分辨率精度确定点云主体部分点的最小间距d_min，取3～4倍d_min值作为中心点前后的搜索距离参数DISC。

2.根据权利要求1所述的快速K近邻搜索方法，其特征在于存储数据结构包括：点的索引、点的坐标、判断是否是中心点某方向的近邻的标记、某点的近邻点序号数组、某点的近邻到该点的三维距离、点云简化时使用的判断是否删除的标记。

3.根据权利要求1所述的快速K近邻搜索方法，其特征在于包含如下步骤：

步骤1：读入点云数据，各点标记初始化为FALSE；将点x，y，z三个坐标值分别存入三个数组PointX，PointY，PointZ，并将点的索引值也相应存入三个数ItemX，ItemY，ItemZ；

步骤2：将PointX中的坐标按从小到大快速排序；排序中调换坐标值的同时调换ItemX中索引的顺序；同理，对y和z坐标的值数组和索引数组进行排序；

步骤3：置i＝0；

步骤4：取ItemX[i]数组中的一个点的索引作为中心点，设定距离参数DISC，从i点开始分别向前向后每隔NUM个点计算一次x方向到i点的距离，小于DISC的点存入一个临时数组TemItemlist；如果某个搜索方向点的个数不足NUM个，则有多少点都全部存入临时数组TemItemlist；

步骤5：在ItemY数组中寻找步骤4中的ItemX[i]里的索引值，然后在PointY数组中从这点的前后以阈值DISC，间隔NUM寻找中心点y方向的邻近点，并将其原始点数据结构中的y_neighborhood设为TRUE；

步骤6：查询TemItemlist中的各项的y_neighborhood，如果为FALSE，则将该项值设为-1，并从数组中删除；

步骤7：将步骤5中设为TRUE的各点的y_neighborhood改为FALSE；

步骤8：和在y方向同理，根据PointZ和ItemZ寻找i点在z方向的近邻；

步骤9：TemItemlist中不为-1的项即中心点的K近邻点的序号；计算这些点到中心点的距离，并从小到大排序，取前K个为中心点近邻，相关序号和距离存入中心点的结构体；

步骤10：i++；如果i＜总点数，转步骤4步，否则结束。