c++ - 如何使用OpenVDB进行最近点查询？

首先，如何使用openvdb查找最近的点？

第二，如果ClosestSurfacePoint是正确的方法，该如何使用？

我阅读了有关使用OpenVDB获得更快的NNS的ICP的论文。

(http://www.pmavridis.com/research/efficient_sparse_icp/)

作者说，他通过将openvdb用于NNS来提高了速度。

还有一些其他人以类似的方式实现了同一件事。

所以，我想亲自尝试一下。

经过几次尝试，我终于成功编译了。

但是，我有点困惑。

在我看来(在阅读了很多文档，包括在线食谱之后)，采样器似乎做到了这一点

所以，我尝试了这些例子。

GridType::ConstAccessor accessor = grid.getConstAccessor();
GridType::ValueType v0 = openvdb::tools::PointSampler::sample(accessor, ijk);
GridType::ValueType v1 = openvdb::tools::BoxSampler::sample(accessor, ijk);
GridType::ValueType v2 = openvdb::tools::QuadraticSampler::sample(accessor, ijk);

我做了如下所述的事情

对象:网格中最靠近查询点的查找点(ijk)

创建点(或加载点)并转换为vec3d格式

做点索引网格。

设置查询点(ijk)

设置索引网格

的访问器
点采样器的

函数调用

但是，这些示例显示0或1。

如果找到完全相同的位置，则返回1。
如果不是，则为0。

可能，该点采样器不是我想要的。

尝试其他方式。

其他候选人是

 ClosestSurfacePoint, ClosestPointProjector.

我尝试了下面写的代码
与betajippity的作品相似
https://github.com/betajippity/Ariel/blob/master/src/grid/levelset.cpp

但是由于 vector 而导致错误

std::vector<openvdb::Vec3s> positions = {
        { 1, 1, 1 },
        { 1, 2, 1 },
        { 2, 1, 1 },
        { 2, 2, 1 },
        { 100, 100, 100 },
        { 100, 101, 100 }
    };

myPointList pointlist(positions);

const float voxelSize(1.0);
openvdb::math::Transform::Ptr transform(openvdb::math::Transform::createLinearTransform(voxelSize));

openvdb::tools::PointIndexGrid::Ptr vdbgrid =
    openvdb::tools::createPointIndexGrid<openvdb::tools::PointIndexGrid>(pointlist, *transform);

openvdb::FloatGrid vdbgrid;


openvdb::util::NullInterrupter n;
std::vector<float> distances;


openvdb::tools::ClosestSurfacePoint<openvdb::tools::PointIndexGrid> csp;

csp.initialize(*vdbgrid, 0.0f, &n);

最后一行

csp.initialize(*vdbgrid, 0.0f, &n);

导致调试断言失败。

File: C:\Program Files (x86)\Microsoft Visual Studio 12.0\VC\include\vector
Line: 72

Expression: vector iterator not dereferencable

我不知道该如何处理。

因为我无法修改openvdb的内部。我只是打电话给函数，它使错误:(

如果您对此有任何想法，请帮助。

再次，问题是..

如何使用openvdb查找最近的点？

如果ClosestSurfacePoint是正确的方法，该如何使用？

非常感谢您。

最佳答案

来自OpenVDB的回答指向开发人员。

这是一个很好的问题，
我将尝试回答这个问题。

简而言之，是和否。
OpenVDB Points是一种理想的基础数据结构，用于进行最近邻居搜索，因为它已经在空间上进行了组织，

但是，我们尚未为您提供任何高级API来执行此操作，因此您必须自己编写很多算法。

由于网格的空间性质，
在您有一个“最大半径”的情况下进行最近邻搜索相对简单且非常快速，因为该搜索不会太大，因为您可以调整体素的大小以匹配该半径并最大化性能。

执行任意距离的最近邻居搜索更具挑战性，我建议您在不编写支持框架(例如kd-tree)的情况下很难从数据结构中获得不错的性能。

不过，我们尝试了最近邻居算法，
因此，如果我没有为您提供该摘要，我们很乐意在此处为您提供有关实现的正确方向。 :)

谢谢，
担