最近邻搜索，kdtree, rtree, DBSCAN，nanoflann

最近邻搜索，kdtree, rtree, DBSCAN，nanoflann

 

rtree用于搜索近邻路径点判断沿墙封闭；

 

RTree.测试（矩形覆盖的最近邻搜索，把矩形改成点之后就是点的最近邻搜索）

已经在CppRoboticsTest里面测试

被红色矩形覆盖的是绿色；

 

rtree 效率测试，十万个点，search 耗时很少；

 

 

聚类算法 - DBSCAN

         

DBSCAN：Density-Based Spatial Clustering of Applications with Noise，具有噪声的基于密度的聚类方法。

 

DBSCAN 是一种基于密度的聚类算法，这类密度聚类算法一般假定类别可以通过样本分布的紧密程度决定。同一类别的样本，他们之间是紧密相连的，也就是说，在该类别任意样本周围不远处一定有同类别的样本存在。

通过将紧密相连的样本划为一类，这样就得到了一个聚类类别。通过将所有各组紧密相连的样本划为各个不同的类别，则我们就得到了最终的所有聚类类别结果。

DBSCAN 的原理描述起来很简单：任选一个没有类别的核心点作为种子，找到该核心点能够密度可达的样本集合，即为一个聚类簇。接着继续选择另一个没有类别的核心点去寻找密度可达的样本集合，这样就得到另一个聚类簇。一直运行到所有核心点都有类别为止。

 

├nanoflann.hpp 【great】最近邻搜索 库 测试；封装

├开源地址：

nanoflann/pointcloud_kdd_radius.cpp at master · jlblancoc/nanoflann (github.com)

nanoflann/pointcloud_example.cpp at master · jlblancoc/nanoflann (github.c

 

 

 

 

封装之后可以直接求解path路径点最近邻相关问题；