Question

我对nanoflann的search_radius函数中的参数radiusSearch有疑问。我的代码是这样的：

#include <iostream>
#include <vector>
#include <map>

#include "nanoflann.hpp"
#include "Eigen/Dense"

int main()
{
    Eigen::MatrixXf mat(7, 2);
    mat(0,0) =  0.0; mat(0,1) = 0.0;
    mat(1,0) =  0.1; mat(1,1) = 0.0;
    mat(2,0) = -0.1; mat(2,1) = 0.0;
    mat(3,0) =  0.2; mat(3,1) = 0.0;
    mat(4,0) = -0.2; mat(4,1) = 0.0;
    mat(5,0) =  0.5; mat(5,1) = 0.0;
    mat(6,0) = -0.5; mat(6,1) = 0.0;

    std::vector<float> query_pt(2);
    query_pt[0] = 0.0;
    query_pt[1] = 0.0;

    typedef nanoflann::KDTreeEigenMatrixAdaptor<Eigen::MatrixXf> KDTree;

    KDTree index(2, mat, 10);
    index.index->buildIndex();

    {   // Find nearest neighbors in radius
        const float search_radius = 0.1f;
        std::vector<std::pair<size_t, float> > matches;

        nanoflann::SearchParams params;

        const size_t nMatches = index.index->radiusSearch(&query_pt[0], search_radius, matches, params);

        std::cout << "RadiusSearch(): radius = " << search_radius << " -> "
                  << nMatches << " matches" << std::endl;
        for(size_t i = 0; i < nMatches; i++)
            std::cout << "Idx[" << i << "] = " << matches[i].first
                      << " dist[" << i << "] = " << matches[i].second << std::endl;
        std::cout << std::endl;
    }
}

我想要的是在半径 0.1 之内，所以，我所期望的是矩阵中的前三个元素，但令我惊讶的是它返回了前5个元素。检查距离返回在我看来它不是实际距离而是距离平方（右？）所以我将半径平方以得到我所期望的但不幸的是它只返回第一个点。

所以我将半径从 0.1 ^ 2 = 0.01 增加到 0.02 ，最后得到了我想要的点数。

现在，问题是，不应该包括在邻里周边的点吗？我在哪里可以改变nanoflann中的这种情况？

Answer 1

KDTreeEigenMatrixAdaptor starts like this的完整定义：

template <class MatrixType, int DIM = -1,
          class Distance = nanoflann::metric_L2,
          typename IndexType = size_t>
struct KDTreeEigenMatrixAdaptor
{
//...

所以，是的：默认指标是欧几里德距离的平方，L2_Adaptor结构，and documented as follows：

平方欧几里德距离函子（通用版，针对高维数据集进行了优化）。

至于第二个问题，有两个方面。首先，当谈到浮点数时，你不应该依赖于平等（强制性引用：David Goldberg, What every computer scientist should know about floating-point arithmetic, ACM Computing Surveys, 1991）。

其次，原则上，你是对的。 nanoflann基于FLANN，您可以在其源代码中找到CountRadiusResultSet类的实现，radiusSearch搜索方法使用该类。其关键方法有以下实现：

void addPoint(DistanceType dist, size_t index)
{
    if (dist<radius) {
        count++;
    }
}

虽然这个问题的共同定义似乎涉及＆＃34;小于或等于＆＃34;，例如在以下参考文献（Matthew T. Dickerson, David Eppstein, Algorithms for Proximity Problems in Higher Dimensions, Computational Geometry, 1996）中：

问题1。 （固定半径近邻搜索）给定R ^d中n个不同点的有限集合S和距离。对于每个点，p∈S报告所有点对（p，q），q∈S，使得从p到q的距离小于或等于。

_{（我最后的重点）}

然而，在数学和计算机科学中，浮点运算问题有效地抑制了对严格的平等思考。

这里你唯一的选择似乎是略微增加半径，因为CountRadiusResultSet类的用法在FLANN内的radiusSearch方法实现中是硬编码的。

Nanoflann半径搜索

1 个答案: