2L-LSH: 一种基于局部敏感哈希函数的快速点云索引方法
计算机视觉与模式识别
2026-05-05 v2
摘要
3D扫描技术的发展使得获取具有多样结构和大规模的点云模型成为可能，从而给点云处理带来了重大挑战。快速邻近点搜索是最常见的问题之一，它经常用于模型重建、分类、检索和特征可视化。哈希函数以其在搜索高维数据时的高速和准确性能而闻名，这也是所提出的2L-LSH的核心。具体来说，2L-LSH算法采用两步哈希函数策略，其中第一步划分点云模型的包围盒，第二步构建一个基于广义表的数据结构。所提出的2L-LSH为大规模3D点云模型中的快速邻近点搜索提供了一种高效且准确的解决方案，使其成为该领域各种应用中的一项有前景的技术。将该算法与包括Kd-tree和Octree在内的知名方法进行了比较；结果表明，所提出的方法在速度上优于Kd-tree和Octree，即kNN搜索的时间消耗分别比Kd-tree和Octree低51.111%和94.159%。而RN搜索时间分别比Kd-tree和Octree低54.519%和41.840%。
引用
@article{arxiv.2604.21442,
title = {2L-LSH: A Locality-Sensitive Hash Function-Based Method For Rapid Point Cloud Indexing},
author = {Shurui Wang and Yuhe Zhang and Ruizhe Guo and Yaning Zhang and Yifei Xie and Xinyu Zhou},
journal= {arXiv preprint arXiv:2604.21442},
year = {2026}
}
备注
13 pages, 13 figures. This article has been accepted for publication in The Computer Journal Published by Oxford University Press