工作过程中经常要对散乱三维点云进行处理，其处理的前提是建立点与点之间的拓扑关系，因为是散乱只能建立临近点区域块邻接关系。比较常用的办法就是根据点云的体积，用做大的立体包围盒进行包裹，然后对包围盒划分为边长等距的小立方体，该方法适用于在整个立体空间中，分布相对平均，密度一致的点云。但大部分的点云都是基于轮廓扫描获取的点云，属于表面型点云，中空。如果还用等间距立体包围盒进行划分，浪费很多的内存空间，增加检索数据的时间。解决觉思路是，有点云的地方就划分，没有点云的地方就不划分，更高效的利用内存、减少检索数据的时间。基于这样的思路，线性存储_数组数据类型是没有办法构建这样的数据结构的，只能非线性存储数据结构_OcTree。
八叉树OcTree，一个立方体等分为八份，并可以持续的细分下去，虽然每个节点都能分出八个叉，但形象，且等分空间，是等分立方体方法的优化。
LabVIEW没有现成的树形数据容器，但可以借助LabVIEW Framework Engineer Chris Cilino&Cirrus Logic两位博士设计一套树形容器来搭建OcTree，用于云数据拓扑关系的建立。
数据容器节点数据类型：
Data:该子节点的点云数据
Range:该立方体的范围
Center:该立方体的中间位置。
Parent:该节点的父类名字
Child:该节点的子类的名字
ParentOcTree:父类节点的数值引用
ChildOcTree:子类节点的数值引用
Current:当前节点的数值引用
创建OcTree数据容器首节点：
节点进行递归分裂：
读出点云，根据规则，插入8个立方体，并对8个立方体创建树形容器，加入父类并更新父类子节点的数值引用。在创建每个节点的时候都要递归分裂下去。
递归读出所有节点
首先读出跟节点的所有子类，读出Node值，递归所有子类读出Node值。
分裂深度为3时，点云OcTree拓扑关系如下：
分裂深度为5时，点云OcTree拓扑关系如下：
声明：文中观点不代表本站立场。本文传送门：https://eyangzhen.com/314178.html
