opencv kdtree的用法

本文主要是介绍opencv kdtree的用法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

求解如下红色点的3个最近邻居
在这里插入图片描述

1、测试代码

int main() {//用于构造kdtree的点集vector<cv::Point2f> features = { { 1,1 },{ 2, 2},{ 3, 3},{ 4, 4},{ 2, 4} };cv::Mat source = cv::Mat(features).reshape(1);source.convertTo(source, CV_32F);cv::flann::KDTreeIndexParams indexParams(2);cv::flann::Index kdtree(source, indexParams); //预设knnSearch所需参数及容器int queryNum = 3;//用于设置返回邻近点的个数vector<float> vecQuery(2);//存放查询点的容器vector<int> vecIndex(queryNum);//存放返回的点索引vector<float> vecDist(queryNum);//存放距离cv::flann::SearchParams params(32);//设置knnSearch搜索参数//KD树knn查询vecQuery = { 3, 4};kdtree.knnSearch(vecQuery, vecIndex, vecDist, queryNum, params);cout << "vecDist: " << endl;for (auto&x : vecDist)cout << x << " ";cout << endl;cout << "vecIndex: " << endl;for (auto&x : vecIndex)cout << x << " ";return 0;
}

输出：
vecDist: （注意这里是距离的平方）
1 1 1
vecIndex:
2 3 4

2、可能的问题

我写程序需要构建多个kdtree，我试图用vector存储多个kdtree，我写成如下的代码就会报错

int main(){vector<cv::flann::Index> kdtrees;vector<cv::Point2f> features = { { 1,1 },{ 2, 2 },{ 3, 3 },{ 4, 4 },{ 2, 4 } };cv::Mat source = cv::Mat(features).reshape(1);cout << source;source.convertTo(source, CV_32F);cv::flann::KDTreeIndexParams indexParams(2);cv::flann::Index kdtree(source, indexParams);kdtrees.push_back(kdtree);
}

报错为：
在这里插入图片描述
这里显示的应该是vector释放的时候出了问题，初步查明 cv::flann::Index 这个class有一个指针类型：void* index. 很有可能是浅拷贝的时候，释放kdtree的时候将 index释放，然后在释放vector的是时候再次释放index出了问题。

protected:cvflann::flann_distance_t distType;cvflann::flann_algorithm_t algo;int featureType;void* index;

因此，这里直接改为指针形式即可。

int main(){vector<cv::flann::Index*> kdtrees;vector<cv::Point2f> features = { { 1,1 },{ 2, 2 },{ 3, 3 },{ 4, 4 },{ 2, 4 } };cv::Mat source = cv::Mat(features).reshape(1);cout << source;source.convertTo(source, CV_32F);cv::flann::KDTreeIndexParams indexParams(2);cv::flann::Index* pkdtree = new cv::flann::Index(source, indexParams);kdtrees.push_back(pkdtree);
}

3、knnsearch返回无穷大的值

当我写成如下形式的时候（注意kdtrees后面加了局部作用域）

int main() {int queryNum = 3;//用于设置返回邻近点的个数vector<float> vecQuery(2);//存放查询点的容器vector<int> vecIndex(queryNum);//存放返回的点索引vector<float> vecDist(queryNum);//存放距离cv::flann::SearchParams params(32);//设置knnSearch搜索参数cv::flann::KDTreeIndexParams indexParams(2);vecQuery[0] = 3, vecQuery[1] = 4;vector<cv::flann::Index*> kdtrees;{vector<cv::Vec2d> features = { { 1,1 },{ 2, 2 },{ 3, 3 },{ 4, 4 },{ 2, 4 } };cv::Mat source = cv::Mat(features).reshape(1);source.convertTo(source, CV_32F);cv::flann::Index* kdtree = new cv::flann::Index(source, indexParams);kdtrees.push_back(kdtree);}kdtrees[0]->knnSearch(vecQuery, vecIndex, vecDist, queryNum, params);for (int i = 0; i < vecIndex.size(); i++)cout << "nearest id: " << vecIndex[i] << "\tdist:" << vecDist[i] << endl;return 0;
}

输出结果为：

nearest id: 2 dist:7.98718e+36
nearest id: 3 dist:7.98718e+36
nearest id: 4 dist:7.98718e+36

为何是这么大的值？调查发现构建kdtree使用的 cv::Mat source是局部变量，被释放后，kdtree被破坏，于是把cv::Mat source定义为全局变量即可。 最主要的问题是 opencv的矩阵如果是浅拷贝的话，有一个引用计数的问题，如果引用计数为0，那么数据会被释放。

int main() {int queryNum = 3;//用于设置返回邻近点的个数vector<float> vecQuery(2);//存放查询点的容器vector<int> vecIndex(queryNum);//存放返回的点索引vector<float> vecDist(queryNum);//存放距离cv::flann::SearchParams params(32);//设置knnSearch搜索参数cv::flann::KDTreeIndexParams indexParams(2);vecQuery[0] = 3, vecQuery[1] = 4;cv::Mat source;vector<cv::flann::Index*> kdtrees;{vector<cv::Vec2d> features = { { 1,1 },{ 2, 2 },{ 3, 3 },{ 4, 4 },{ 2, 4 } };source = cv::Mat(features).reshape(1);source.convertTo(source, CV_32F);cv::flann::Index* kdtree = new cv::flann::Index(source, indexParams);kdtrees.push_back(kdtree);}kdtrees[0]->knnSearch(vecQuery, vecIndex, vecDist, queryNum, params);for (int i = 0; i < vecIndex.size(); i++)cout << "nearest id: " << vecIndex[i] << "\tdist:" << vecDist[i] << endl;return 0;
}