针对现有迭代最邻近点(ICP)算法在点云数据配准过程中查找对应最近点速度缓慢、配准效率低的问题,提出一种采用点云重心距离进行边界检测的点云数据配准新算法.该算法首先运用主成分分析法进行点云数据粗配准,获得良好点云姿态;其次,采用点云重心距离特征进行边界检测并提取待配准点云边界;在此基础上,利用K-D树在两点云边界中查找对应最近点对,并通过单位四元数法进行坐标转换,求得平移矩阵及旋转矩阵,从而实现快速、精确的点云数据配准.实验结果表明:与经典ICP算法、现有改进ICP算法相比,本文中点云边界特征点的提取简单快速,极大简化了配准点集,简化率达到2.24%,改进方法的配准效率提高了25.8%.本文算法在保证精度基础上有效提高了配准效率,适用于数据量较大的点云数据配准.

接近锁 演示基于邻近度的 android 锁定的练习 这是一种根据 Android 设备与某个位置的接近程度来锁定它的方法的示例。 目前是概念验证，当然，最新的 android 版本现在本身就提供了类似的功能。 该项目缺少许多有用的东西： 能够设置密码（目前是硬编码的） 能够使用配对的蓝牙接近度（进行中） 更好的 gui ？？？ 如果您安装它并添加一些安全位置，它会在您达到 100M 的硬编码距离时锁定您的手机。 密码在服务类中，所以在安装之前查看那里。

利用Matlab对三维点云建立KD树，搜索一点或多点的柱状邻域、球状邻域与KNN点。 其中，柱状邻域、球状邻域搜索半径为r内的三维点； KNN搜索最邻近k个三维点。

使用C++编写的KNN算法，并调用matlab库画出图像

KD树搜索近邻。输入点云为随机生成的，可以换成自己的点云数据。

实现了求最邻近点对的距离。时间复杂度O(nlogn)，而且运行时间比较短。

数字图像处理课程project之图像缩放，MATLAB版 采用线性插值法和最邻近法两种算法 有GUI界面

本程序可实现8位、24位的bmp图片的读取、缩放、保存，算法实现中采用了最临近插值算法。

使用临近插值法和双线性插值法进行图像处理，将彩色图像缩放之后仍输出彩色图像。

KNN邻近算法、机器学习算法，完整源代码，直接可以运行