? 在上一篇文章【點云處理】點云法向量估計及其加速(4)中我們嘗試對pcl自帶的KDTree的k近鄰搜索過程使用OpenMP加速，效果比較明顯，有將近1倍的提速。在這篇文章中我們暫時放棄pcl自帶的KDTree，轉(zhuǎn)而使用另一大殺器nanflann庫提供的KDTree。nanoflann是一個c++11標準庫，用于構(gòu)建具有不同拓撲（R2，R3（點云），SO(2)和SO(3)（2D和3D旋轉(zhuǎn)組））的KD樹。nanoflann 算法對fastann進行了改進，效率以及內(nèi)存使用等方面都進行了優(yōu)化，而且代碼十分輕量級且開源。nanoflann不需要編譯或安裝，你只需要在你的代碼中加入#include即可方便快捷地使用它。好了，下面使用nanoflann對我們的代碼進行改寫。

創(chuàng)新互聯(lián)公司是一家集網(wǎng)站建設,華州企業(yè)網(wǎng)站建設,華州品牌網(wǎng)站建設,網(wǎng)站定制,華州網(wǎng)站建設報價,網(wǎng)絡營銷,網(wǎng)絡優(yōu)化,華州網(wǎng)站推廣為一體的創(chuàng)新建站企業(yè)，幫助傳統(tǒng)企業(yè)提升企業(yè)形象加強企業(yè)競爭力。可充分滿足這一群體相比中小企業(yè)更為豐富、高端、多元的互聯(lián)網(wǎng)需求。同時我們時刻保持專業(yè)、時尚、前沿，時刻以成就客戶成長自我，堅持不斷學習、思考、沉淀、凈化自己，讓我們?yōu)楦嗟钠髽I(yè)打造出實用型網(wǎng)站。

#include#include#include#include#include#include#include#include#include#include#include#include "KDTreeTableAdaptor.h"

int main(int argc, char** argv) {
    ros::init(argc, argv, "n_lidar_gpu_normal");
    ros::NodeHandle node;
    pcl::PointCloud::Ptr cloud(new pcl::PointCloud);
 
    const boost::function&)>callback =[&](sensor_msgs::PointCloud2::ConstPtr msg_pc_ptr) {
        pcl::fromROSMsg(*msg_pc_ptr, *cloud);
        size_t cloud_size = cloud->size();
        int dim=3,k=10; 
        float* points = new float[cloud_size*dim];
        for (int i=0; ipoints[i].x;
            p[1] = cloud->points[i].y;
            p[2] = cloud->points[i].z;
        }

        auto t1 = std::chrono::steady_clock::now();
        KDTreeTableAdaptorkdtree(cloud_size, dim, points, 64);
        kdtree.index->buildIndex();        
std::vector>neighbors_all(cloud_size,std::vector(k));
        std::vectorsizes(cloud_size,k);

        for (int i=0; iout_ids(k);
            std::vectorout_dists_sqr(k);
            nanoflann::KNNResultSetresult_set(k);
            result_set.init(&out_ids[0], &out_dists_sqr[0]);
            kdtree.index->findNeighbors(result_set, &points[i*dim], nanoflann::SearchParams(k));
            for (int j=0; jflatten_neighbors_all(k * cloud_size);
        pcl::gpu::PtrStepps(&flatten_neighbors_all[0], k * pcl::gpu::PtrStep::elem_size);
	    for (size_t i=0; ipoints);
        gpu_neighbor_indices.upload(flatten_neighbors_all, sizes, k);
 
        pcl::gpu::NormalEstimation::Normals gpu_normals;
	    pcl::gpu::NormalEstimation::computeNormals(gpu_cloud, gpu_neighbor_indices, gpu_normals);
	    pcl::gpu::NormalEstimation::flipNormalTowardsViewpoint(gpu_cloud, 0.f, 0.f, 0.f, gpu_normals);
        auto t3 = std::chrono::steady_clock::now();
        auto compute_normal_time = std::chrono::duration(t3 - t2);
 
	    std::vectornormals;
	    gpu_normals.download(normals);
        auto t4 = std::chrono::steady_clock::now();
        
        auto knn_time = std::chrono::duration(t2-t1);
        auto total_time = std::chrono::duration(t4-t1);
        spdlog::info("cloud size:{:d}, knn_time:{:.3f} ms,compute_normal_time:{:.3f} ms, total_time:{:.3f} ms", cloud->size(), knn_time.count(), compute_normal_time.count(), total_time.count());
    };
    ros::Subscriber pc_sub = node.subscribe("/BackLidar/lslidar_point_cloud", 1, callback);
    ros::spin();
    return 0;
}

對于for循環(huán)遍歷查找k近鄰索引部分我們先不加"# pragma omp parallel for"，編譯運行。

哇,加速效果明顯,8w點云knn時間從400ms降到150ms左右。比pcl自帶KDTree使用上OpenMP并行加速還要快。

要是能利用OpenMP做并行加速，豈不是要起飛??!!加上OpenMP加速試一試。

# pragma omp parallel for
        for (int i=0; iout_ids(k);
            std::vectorout_dists_sqr(k);
            nanoflann::KNNResultSetresult_set(k);
            result_set.init(&out_ids[0], &out_dists_sqr[0]);
            kdtree.index->findNeighbors(result_set, &points[i*dim], nanoflann::SearchParams(k));
            for (int j=0; j

編譯運行，測試結(jié)果如下：

哇，雖然有波動，但常能在50ms左右徘徊，相比曾幾何時的400ms提速了8倍。?多核算力分配也很均衡，完美!

所以，knn加速哪家強，nanoflann+OpenMP當稱王!!!

【參考文獻】

在C++中使用openmp進行多線程編程_線上幽靈的博客-博客_c++ omp

PCL GPU實現(xiàn)計算法線和曲率 - 知乎

你是否還在尋找穩(wěn)定的海外服務器提供商？創(chuàng)新互聯(lián)www.cdcxhl.cn海外機房具備T級流量清洗系統(tǒng)配攻擊溯源，準確流量調(diào)度確保服務器高可用性，企業(yè)級服務器適合批量采購，新人活動首月15元起，快前往官網(wǎng)查看詳情吧

文章標題：【點云處理】點云法向量估計及其加速(5)-創(chuàng)新互聯(lián)
標題鏈接：http://www.rwnh.cn/article42/cegiec.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站建設、App開發(fā)、標簽優(yōu)化、手機網(wǎng)站建設、品牌網(wǎng)站制作、外貿(mào)網(wǎng)站建設

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)