点群を扱いやすく持ちたい

特定の目的にあったデータ保持の形式について説明する。 複数の持ち方があるが、それぞれにおいて達成される目的は異なる。

最も通常の３次元点群情報の保持の仕方は、 [x,y,z]の位置情報をそのまま配列で保持する方法である。 下記これ以外の保持の仕方は、この形式を基準と考えたときの特徴として記述している。 この形式の表現では連なった点データに関して特に情報の前提を持つことはできない。(データが隣接していたら距離的に近いなど) 形式： [[x1,y1,z1], [x2,y2,z2], [x3, y3, z3]...]

点群データがデプスセンサから得られたときには2.5次元データで表現されていることが多い。(PointCloudLibraryではこれはorganizedと呼ぶ)この場合一部の処理は行列形式で表現されているため高速化することが可能になる。 x,yに対応する行列に対して各画素に距離データzを入れている形で表現する。

点群処理が遅くなるのは点データ数が膨大であることが原因の一つであるため、これを減らすことによって高速化することができます。 PointCloudLibraryでは、VoxelGridで点群を管理することができ、ある一定サイズの立方体の空間に結び付けられたVoxelの中に一つでも点群があるかどうかを表現することができる。ここでVoxelの中に含まれている点を使うのではなく、VoxelGridの重心を使ってデータを処理すれば点データが表現する大方の形状を崩さずに点群を間引くことができる。

点群の中から所定の条件を満たす点を探索することは点群処理において頻繁に行われる処理の一つである。通常のデータ保持の形では高速な探索は行えない。 そこで一般的には、OctreeやKdTreeなどの木構造形式のデータ構造を用いてデータを保持し点群処理を行う。この形では最近傍探索などの処理なども高速に行うことができる。

点群の最近傍点を検出したい場合は右記参照

差分も探索と同様にOctreeを用いて検出することができる