C++ 如何有效地处理三维体素？
我有一个三维点云，有一百万个点。我想将这些点存储在三维体素空间中。坐标轴上的体轴数量超过3000（x）、4000（y）、1500（z），总共有3000*4000*1500个体素。我需要存储在体素中；最大点数、最小高度、最大高度和centorid。但是，90%的体素是空的。所以存储这个需要很多内存。实际上，我想在后面搜索每个体素的26个相邻体素。那么，在体素空间中存储这些数据并有效访问这些数据的最佳方法是什么 就性能而言，创建多维数组并不是最好的解决方案……请给出任何提示？如果它真的“只是”数百万个点，那么超过90%的体素将为空。我会尝试从体素坐标到点的散列多重映射（C++11中的无序多重映射）。这将提供O（1）查找，就像数组一样。虽然它有很多开销，但它可能是最好的折衷方案C++ 如何有效地处理三维体素？,c++,3d,computational-geometry,C++,3d,Computational Geometry,我有一个三维点云，有一百万个点。我想将这些点存储在三维体素空间中。坐标轴上的体轴数量超过3000（x）、4000（y）、1500（z），总共有3000*4000*1500个体素。我需要存储在体素中；最大点数、最小高度、最大高度和centorid。但是，90%的体素是空的。所以存储这个需要很多内存。实际上，我想在后面搜索每个体素的26个相邻体素。那么，在体素空间中存储这些数据并有效访问这些数据的最佳方法是什么 就性能而言，创建多维数组并不是最好的解决方案……请给出任何提示？如果它真的“只是”数百万
要实现这一点，唯一需要的是体素类中的相等比较，以及模板专门化
std:：hash另外，您一定要看看CGAL中实现的数据结构。一种方法是使用集合中的数据来支持实际数据 举例说明：
struct t_voxel {
size_t nPoints, minHeight, maxHeight, centorid;
};
struct t_voxel_id {
uint16_t index;
};
// one dimension
class t_voxel_collection {
// the actual voxel data needed for the indices represented by the collection of voxelId
std::vector<t_voxel> d_voxel;
// here, empty voxel is designated by t_voxel.index = 0
// this collection is your primary array representation
// these elements just refer to a unique or shared index in this->d_voxel
std::vector<t_voxel_id> d_voxelId;
public:
// >> the interface to access and set, which abstracts the backing collection.
// and prohibits the client from accessing the actual data.
t_voxel get(const size_t& idx) const {
return this->d_voxel[this->d_voxelId[idx].index];
}
// ...
};
struct\u体素{
尺寸点、最小高度、最大高度、百分位；
};
结构体素id{
uint16_t指数；
};
//一维
类t_体素集合{
//由体素ID集合表示的索引所需的实际体素数据
std：：向量d_体素；
//这里，空体素由t_voxel.index=0指定
//此集合是您的主要数组表示形式
//这些元素仅引用此->d_体素中的唯一或共享索引
std：：向量d_体素；
公众：
//>>访问和设置的接口，它抽象了备份集合。
//并禁止客户端访问实际数据。
体素获取（常量大小\u t&idx）常量{
返回this->d_体素[this->d_体素id[idx].index]；
}
// ...
};
根据您的使用情况，有几种方法可以进一步优化和共享此集合中的体素数据。无论您做什么，您都会变得不稳定，即使您为稀疏网格找到了一个完美的内存布局-这仍然需要太多的内存。真正的问题是能够高效地将其存储在磁盘上，并智能地缓存感兴趣的区域
谢天谢地，我们正是为此而开发的。在90%为空时，仍然有1.800.000.000个体素。那无论如何都不会飞。您可以沿一维存储体素的运行，但查找成本很高。@leftaroundabout，它可能是4D体素，也可能不是？@usr voxel=体积图片元素，体积按定义为3D体积未定义为3D。至少根据维基百科，当处理几何数据时，0D是空间中的任意点，可以驻留在任意维空间中；即使矢量2、矢量3等用作位置而非方向，其大小也是0D空间。换句话说，0D空间是空间中任意点的坐标。1D空间是两点（距离）之间的连接，可以是空间中的2D或3D向量，其中方向和/或大小被视为有效的重要信息。另一个词1D是到区域设置或两点之间的距离或测量范围……但是查找邻居的成本会很高。@usr：不太可能。正如我所说，对于任何一点，查找都是O（1）。邻居的速度并不比其他任何一点都快。他们有26个，这使得一个昂贵的O（1）。是的。。。但你不能到处做这些。在基于树的结构中，查找将包含一些O（ld n），对于数百万个点来说，这也是20多个点。你希望通过在树上彼此接近的查找来绕过这个问题，但这在数学上是不可能的，因为，这也意味着，位于相邻体素中的k-d树中的某些节点仍将被树中较高的平面隔开。别误会：我同意，在没有固定离散体素光栅的情况下，八叉树和k-d树是正确的选择，因为这样就需要按距离计算相邻点，这在哈希中是不可能的。但是一旦你有了一个光栅，从而有了一个离散的度量，就有可能使用散列，甚至更好。对于这个，什么是最好的数据结构，kd树还是八叉树？我们可以使用八叉树或…的体素数据结构吗。。。。很抱歉，我对这些数据结构没有清晰的认识。@user1286780在您最初的问题中，您只询问了体素数据结构，所以我不会将此作为单独的答案。但是您对这个答案的评论表明您对其他数据结构持开放态度。既然你说，你想看看邻居，你可能想看看我们2012年发表在《机器人软件工程杂志》（JOSER）上的论文“最近邻搜索策略和有效形状注册实现的比较”，谢谢你的想法。希望您解释的方式将有助于节省内存分配问题。我想知道有效的方法，以获得他们的邻居的三维体素，即26个体素！！！有什么想法吗？…@user1286780使用这种方法，
t_voxel_collectionstd:：vectort\u voxel\u collection