一、簡述

        距離計算和鄰域分析是理解網格和點云的形狀、結構和特征的重要工具。我們這里要基于一些3D庫來提取基于距離的信息并將其可視化。

        與深度圖或體素相比，點云和網格表示 3D 空間中的非結構化數據。點由它們的 (X, Y, Z) 坐標表示，在 3D 空間中可能彼此靠近的兩個點在數組表示中可能很遠。與2d圖像中的相同問題相比，理解某個點的鄰域并不是一項簡單的任務。

        點之間的距離計算是點云和網格分析、噪聲檢測和去除、局部平滑和智能抽取模型等的重要組成部分。距離計算也是 3D 深度學習模型不可或缺的一部分，既用于數據預處理，也是訓練流程的一部分。此外，經典的點云幾何特征依賴于最近點的鄰域計算和PCA分析。

        對于非常大的點云和復雜的網格，如果以暴力方式處理，所有點之間的距離的計算可能會變得非常資源密集且成本高昂。

        所以使用KD樹或八叉樹的不同數據結構的實現，將對象的 3D 空間劃分為更易于管理和結構化的象限。這種數據結構可以根據原始數據得到，之后所有的距離查詢都可以被加速和簡化。