Nanoflann 반경 검색

Question

나노 플라워 radiusSearch 기능의 매개 변수 search_radius에 대해 의문의 여지가 있습니다. 내 코드는 다음과 같습니다

#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; 
    } 
} 

내가 원하는 것은 내가 매트릭스 그러나 놀랍게도 처음 세 요소는 처음 5를 반환 기대했던, 0.1의 반경 내에서 포인트를 가지고, 그래서 집단. 거리를 확인하는 것은 그것이 실제 거리가 아니라 거리 제곱 (오른쪽?) 인 것처럼 보입니다. 그래서 나는 예상했던 것을 얻기 위해 반경을 제곱했으나 불행히도 첫 번째 점만 리턴합니다.

는 그래서 0.02에 0.1^2 = 0.01로부터 약간 반경을 증가 마지막 I가 원하는 지점을 얻었다.

이제 이웃 경계에 포함되는 점들이 포함되어서는 안된다는 것이 문제입니다. nanoflann에서이 조건을 어디에서 변경할 수 있습니까?

Answer 1

KDTreeEigenMatrixAdaptorstarts like this의 전체 정의 :

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

그래서, 예 :

제곱 유클리드 거리 펑 (일반 버전 : 기본 메트릭은 제곱 유클리드 거리의 L2_Adaptor 구조체, and documented as follows입니다 , 고차원 데이터 세트에 최적화 됨).

두 번째 문제는 두 가지 측면이 있습니다. 첫 번째는 부동 소수점 수에 관해서는 평등에 의존하지 말아야한다는 것입니다 (필수 참조 자 : David Goldberg, What every computer scientist should know about floating-point arithmetic, ACM Computing Surveys, 1991).

둘째, 원칙적으로 당신이 옳습니다. nanoflann은 검색 방법에서 사용되는 CountRadiusResultSet 클래스의 구현을 찾을 수있는 소스 코드 인 FLANN을 기반으로합니다.

: 다음 기준 예 (Matthew T. Dickerson, David Eppstein, Algorithms for Proximity Problems in Higher Dimensions, Computational Geometry, 1996)에 관해서는,이 문제에 대한 공통 정의는 "이하"관련 보인다 반면

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

: 주요 방법은 다음의 구현이 문제 1.(고정 반경 가까운 이웃 검색) R 거리와 거리에 n 개의 별개 점이있는 유한 집합 S가 주어집니다. 각 점 p ∈ S에 대해 p에서 q까지의 거리가 이되도록보다 작거나 같은 점 (p, q), q ∈ S의 모든 쌍을보고하십시오.

하지만 그게 수학의 및 부동 소수점 연산 문제를 효과적으로 엄격한 방식으로 평등에 대해 생각 억제 컴퓨터 과학

는

_{(내게로 마지막 강조).}

CountRadiusResultSet 클래스의 사용법이 FLANN 내부의 radiusSearch 메소드 구현에 하드 코딩되어 있기 때문에 여기에서 유일한 선택은 반경을 늘리는 것입니다.