目录

一、概述

1.1原理

1.2实现步骤

1.3应用场景

二、代码实现

2.1关键函数

2.2完整代码

三、实现效果

---

PCL点云算法汇总及实战案例汇总的目录地址链接：

PCL点云算法与项目实战案例汇总（长期更新）

---

一、概述

        本文将介绍如何使用PCL库中的 addLine 方法可视化K近邻搜索的结果。K近邻搜索（K-Nearest Neighbors, KNN）用于查找点云中与查询点最近的K个点。可视化K近邻搜索的结果有助于直观地理解点与其邻居之间的空间关系。我们将在点云中绘制查询点与其K个最近邻点之间的连线，并将其可视化。

1.1原理

        K近邻搜索的基本原理是通过KD树（k-D Tree）对点云数据进行高效的空间索引和查询。KD树通过递归地将数据空间划分为多个超平面，以便快速查找与查询点距离最近的K个点。通过在查询点与这些邻近点之间绘制连线，我们可以直观地看到查询点与其最近邻点的关系。

1.2实现步骤

1. 读取点云数据并构建KD树。
2. 执行K近邻搜索，找到与查询点最近的K个点。
3. 在查询点与其K个最近邻点之间绘制连线。
4. 将原始点云、查询点及其近邻关系进行可视化展示。

1.3应用场景

1. 邻域分析：分析点云中某点的局部邻域结构，应用于点云滤波、配准等任务。
2. 数据可视化：通过可视化邻域关系，直观展示点云数据中点的分布及空间关系。
3. 3D特征检测：在3D特征提取中，通过邻域关系识别点云中的几何特征。

二、代码实现

2.1关键函数

• nearestKSearch：执行K近邻搜索，找到指定点的K个最近邻点。

• addLine：在查询点与其K个最近邻点之间绘制连线。

• pcl::visualization::PCLVisualizer：用于可视化点云和K近邻搜索结果。

2.2完整代码

#include <iostream>
#include <vector>
#include <pcl/io/pcd_io.h>  // 用于加载PCD文件
#include <pcl/point_types.h>  // PCL点类型定义
#include <pcl/kdtree/kdtree_flann.h>  // KD树近邻搜索
#include <pcl/visualization/pcl_visualizer.h>  // PCL可视化相关定义using namespace std;int main()
{// --------------------------------读取点云------------------------------------pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);// 加载PCD文件中的点云数据if (pcl::io::loadPCDFile<pcl::PointXYZ>("bunny.pcd", *cloud) == -1){PCL_ERROR("Couldn't read file!");  // 如果文件加载失败，输出错误信息return -1;  // 返回错误代码并退出程序}// -----------------------------K近邻搜索---------------------------------pcl::KdTreeFLANN<pcl::PointXYZ> kdtree;  // 创建KD树对象kdtree.setInputCloud(cloud);  // 设置KD树的输入点云// 定义查询点，选择点云中的某个点作为查询点pcl::PointXYZ searchPoint = cloud->points[2000];  // 这里假设使用点云中的第2000个点int K = 1000;  // 设置K值，表示查找的最近邻点的数量vector<int> pointIdxNKNSearch(K);  // 用于存储最近邻点的索引vector<float> pointNKNSquaredDistance(K);  // 用于存储最近邻点与查询点之间的距离平方值// 执行K近邻搜索if (kdtree.nearestKSearch(searchPoint, K, pointIdxNKNSearch, pointNKNSquaredDistance) > 0){// 如果搜索成功，将搜索到的邻近点存储到pointIdxNKNSearch中}// -----------------------------结果可视化------------------------------------// 创建PCLVisualizer对象，用于显示点云和邻近关系boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("3D Viewer"));viewer->setBackgroundColor(0, 0, 0);  // 设置背景颜色为黑色// 将原始点云添加到可视化窗口，并设置颜色为绿色pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> single_color(cloud, 0, 255, 0);  // 绿色viewer->addPointCloud<pcl::PointXYZ>(cloud, single_color, "sample cloud");// 将查询点标记为红色pcl::PointCloud<pcl::PointXYZ>::Ptr searchPointCloud(new pcl::PointCloud<pcl::PointXYZ>());searchPointCloud->points.push_back(searchPoint);pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> red_color(searchPointCloud, 255, 0, 0);  // 红色viewer->addPointCloud<pcl::PointXYZ>(searchPointCloud, red_color, "search point");viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 5, "search point");  // 设置查询点的大小// 在查询点与其K个最近邻点之间绘制连线for (size_t i = 0; i < pointIdxNKNSearch.size(); ++i){// 获取最近邻点的坐标pcl::PointXYZ neighborPoint = cloud->points[pointIdxNKNSearch[i]];// 添加从查询点到该邻近点的连线，颜色为白色viewer->addLine<pcl::PointXYZ>(searchPoint, neighborPoint, 255, 255, 255, "line" + std::to_string(i));}// 进入主循环，保持窗口打开while (!viewer->wasStopped()){viewer->spinOnce(100);  // 刷新窗口//boost::this_thread::sleep(boost::posix_time::microseconds(100000));}return 0;  // 程序结束
}

三、实现效果