本發(fā)明提供一種n維點集的增量式k近鄰查詢方法，屬于產(chǎn)品逆向工程領域。

背景技術(shù)：

在逆向工程中，k近鄰查詢方法能夠有效獲取機械零件表面局部型面特征的參考數(shù)據(jù)，也廣泛應用于地理信息系統(tǒng)、醫(yī)學圖像分析及古建筑與古物修復等領域。

對于目前k近鄰查詢方法文獻檢索發(fā)現(xiàn)，Les等在學術(shù)期刊《Computer-Aided Design》2002，34(2)，167-172上發(fā)表的學術(shù)論文“Algorithm for finding all k nearest neighbor”、衛(wèi)煒等在學術(shù)期刊《航空學報》2006，27(5)，944-948上發(fā)表的學術(shù)論文“一種快速搜索海量數(shù)據(jù)集k-近鄰空間球算法”、Zhao等在學術(shù)期刊《Tsinghua Science & Technolgoy》2009，14，77-81上發(fā)表的學術(shù)論文“An improved algorithm for k-nearest-neighbor finding and surface normals estimation”中，基于柵格空間索引結(jié)構(gòu)，以目標點為球心、特定距離為半徑構(gòu)造搜索空間(搜索球或搜索立方體) ，通過判斷結(jié)點包圍盒是否與搜索空間相交對結(jié)點進行剪枝，明顯減少了結(jié)點查詢個數(shù)，提高了查詢效率，但該類算法中特定距離或擴展距離選取過大或過小，都將導致查詢效率下降，且由于柵格結(jié)構(gòu)為靜態(tài)空間索引，構(gòu)建時需預知點云數(shù)據(jù)的規(guī)模，當點云數(shù)據(jù)規(guī)模趨于海量甚至超出主存容限時，此類算法難以實現(xiàn)。劉宇等在學術(shù)期刊《上海交通大學學報》2001，35(9)，1298-1302上發(fā)表的學術(shù)論文“空間k近鄰查詢的新策略”中以R樹為空間索引結(jié)構(gòu)，基于目標點與結(jié)點包圍盒的最小距離、最小最大距離制定了各種剪枝策略，減少了查詢時所要訪問的結(jié)點個數(shù)，提高了查詢效率，但在查詢過程中需進行多次排序操作，對查詢效率具有不良影響。

綜上所述，現(xiàn)在技術(shù)存在的缺陷是：查詢所需的索引受點云的影響，每次查詢時多次排序操作降低了查詢效率。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種n維點集的增量式k近鄰查詢方法，該方法以R樹為索引結(jié)構(gòu)并預先查詢以目標點為中心、特定搜索球內(nèi)的數(shù)據(jù)點集，再漸增查詢搜索球之外距離目標點最近的數(shù)據(jù)點，其技術(shù)方案為：

一種n維點集的增量式k近鄰查詢方法，其特征在于步驟依次為：一、為n維點集X構(gòu)建R樹索引結(jié)構(gòu)；二、對于要進行k近鄰查詢的目標點p，通過R樹的點查詢方法獲得p所在的葉索引層結(jié)點L；三、以p為中心、為半徑，構(gòu)建球形空間S，其中m為結(jié)點L所包含的數(shù)據(jù)點個數(shù)，r為結(jié)點L包圍盒的外接包圍球半徑；四、通過R樹的范圍查詢方法獲取落入S內(nèi)的點集Q，；五、若Q內(nèi)的點數(shù)k^*>k，則只保留距離p最近的k個點作為k近鄰查詢結(jié)果并終止k近鄰查詢過程，否則執(zhí)行以下過程：a) 以球形空間S為查詢目標，獲取距離S最近的數(shù)據(jù)點，將其加入Q，并使得k^*增1；b) 擴展球形空間S，使其恰好包含Q；c) 若k^*>k，則目標點p的k近鄰查詢過程結(jié)束，返回點集Q，否則，執(zhí)行步驟a)。

為實現(xiàn)發(fā)明目的，所述的一種n維點集的增量式k近鄰查詢方法，其特征在于步驟三中，利用R樹的k近鄰查詢方法實現(xiàn)球形空間S半徑的設定，其步驟具體為：(1) 從n維海量點云中選取t個數(shù)據(jù)點；(2) 利用R樹的k近鄰查詢方法分別為這t個數(shù)據(jù)點查詢k近鄰點集；(3) 計算每個數(shù)據(jù)點到其k近鄰點集中最遠點的距離r_i，得到集合{r_i|i=1,2,…,t}；(4) 選取{r_i}中的最大值r_max作為球形空間S半徑。

為實現(xiàn)發(fā)明目的，所述的n維點集的增量式k近鄰查詢方法，其特征在于步驟五中的步驟a)中的，獲取距離S最近的數(shù)據(jù)點，其步驟具體為：(1) 從根結(jié)點開始深度優(yōu)先遍歷n維點云X的R樹索引結(jié)構(gòu)，在的葉索引結(jié)點層搜索距離S最近的結(jié)點包圍盒B；(2) 獲取B所包含的數(shù)據(jù)點集{p_i}；(3) 將{p_i}中距離搜索球S中心最近且位于搜索球S之外的數(shù)據(jù)點p_i作為距離S最近的數(shù)據(jù)點。

本發(fā)明與現(xiàn)有技術(shù)相比，具有以下優(yōu)點：

(1) 利用隨機數(shù)據(jù)點的k近鄰點集設置初始搜索半徑，使得初始搜索半徑更加逼近點云中點的k近鄰半徑，且避免了人為設置半徑所造成的誤差；

(2) 預先利用范圍查詢使得k近鄰查詢效率明顯提高；

(3) 增量式k近鄰查詢避免了多次排序，從而有效提高了k近鄰查詢效率。

附圖說明

圖1是利用本發(fā)明方法為三維點集查詢k近鄰點集的程序流程圖；

圖2是實施k近鄰查詢試驗所采用的實物表面樣點——維納斯頭部點云及局部樣點P、Q；

圖3是實施k近鄰查詢試驗所采用的實物表面樣點——佛像點云；

圖4與圖5分別是采用R樹的k近鄰查詢方法與本發(fā)明方法為P查詢k近鄰點集的結(jié)果圖；

圖6與圖7分別是采用R樹的k近鄰查詢方法與本發(fā)明方法為Q查詢k近鄰點集的結(jié)果圖；

圖8是采用本發(fā)明方法為佛像點云所有點查詢k近鄰點集時隨機數(shù)據(jù)點個數(shù)分別為20、30、40的查詢時間對比結(jié)果圖；

圖9是分別采用R樹的k近鄰查詢方法與本發(fā)明方法為佛像點云查詢所有點的k近鄰點集的時間對比結(jié)果圖。

具體實施方式

下面結(jié)合附圖及實施例對本發(fā)明作進一步說明。

利用本發(fā)明方法為三維點集查詢k近鄰點集的程序流程圖如附圖1所示，程序用c語言實現(xiàn)。該程序主要流程為：為點集構(gòu)建R樹索引；從點集中隨機獲取s個數(shù)據(jù)點，并利用R樹的k近鄰查詢算法為這s個點查詢k近鄰點集；獲取這s個k近鄰半徑的最大值r；獲取以目標點p為中心、r為半徑包圍球內(nèi)的點集T，并將T中的點按其與p的距離升序排序；獲取T中的點數(shù)n；若n>k，則查詢結(jié)束，否則，查詢p的第n+1個近鄰點，令n增1，如此循環(huán)往復，直至n=k為止。

使用光柵投影式三維測量儀獲取實施結(jié)點分裂試驗所采用的實物表面樣點——維納斯頭部點云及佛像點云，分別如圖2、圖3所示，其中佛像點云點數(shù)為1,029,324，并從佛像點云中提取局部樣點P、Q。

分別是采用R樹的k近鄰查詢方法與本發(fā)明方法為P、Q查詢k近鄰點集，其中k取15，P的兩種k近鄰點集的結(jié)果圖如圖4、圖5所示，Q的兩種k近鄰點集的結(jié)果圖如圖6、圖7所示。由圖4-圖7可知，兩種方法得到的k近鄰點集相同，說明本發(fā)明方法能夠準確獲取k近鄰點集。

對佛像點云進行不同程度的精簡，精簡因子分別為0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9、1.0，獲取10個點集A、B、C、D、E、F、G、H、I、J，設S={A,B,C,D,E,F,G,H,I,J}，采用本發(fā)明方法查詢佛像點云中所有點的k近鄰點集，利用C語言中的時間統(tǒng)計函數(shù)統(tǒng)計隨機數(shù)據(jù)點個數(shù)s分別為20、30、40時的查詢時間，時間對比結(jié)果圖如圖8所示，其中k取15。由圖8可知，當隨機數(shù)據(jù)點個數(shù)s為30時，本發(fā)明方法為佛像點云中所有點查詢k近鄰點集所消耗的時間最少。

設定隨機數(shù)據(jù)點個數(shù)s為30，分別采用R樹的k近鄰查詢方法與本發(fā)明方法為佛像點云所有點查詢k近鄰點集，其中k取15，時間消耗對比結(jié)果圖如圖9所示。由圖9可知，相對于R樹的k近鄰查詢方法，本發(fā)明方法時間消耗明顯減少。

以上所述，僅是本發(fā)明的較佳實施例而已，并非是對本發(fā)明作其它形式的限制，任何熟悉本專業(yè)的技術(shù)人員可能利用上述揭示的技術(shù)內(nèi)容加以變更或改型為等同變化的等效實施例。但是凡是未脫離本發(fā)明技術(shù)方案內(nèi)容，依據(jù)本發(fā)明的技術(shù)實質(zhì)對以上實施例所作的任何簡單修改、等同變化與改型，仍屬于本發(fā)明技術(shù)方案的保護范圍。