八叉树SLAM 使用 CUDA 和 OpenGL 构建和渲染大型八叉树地图 ＃＃参考 【OctoMap：基于八叉树的高效概率3D映射框架】（ ） [KinectFusion：实时密集表面映射和跟踪] ( ) [KinectFusion：使用移动深度相机进行实时 3D 重建和交互] ( ) [具有体积融合的实时大规模密集RGB-D SLAM]（ ） [CPU 上的实时体积 3D 映射] ( ) [使用体素锥跟踪的交互式间接照明] ( ) [VoxelPipe] ( ) [高效的稀疏体素八叉树 - 分析、扩展和实现] ( ) [GigaVoxels] ( )

这是一个关于八叉树的完整文件，所有注释和说明都有，可以给门外汉很好的帮助

PointCloud-八叉树压缩 用于PointCloud Octree压缩的Matlab代码 这是一个基于八叉树占用率和算术编码的无损点云压缩MATLAB演示。

解析Octree数据，Release情况下使用时间少，但是一般把数据放入JSON数组，使用时间边长，此Demo用于保存代码，以此基础做优化，作为记录！

分层树形结构——八叉树(octree) 利用空间相关性 八叉树编码方法： 将三维空间区域（如立方体）分成八等分 非均质八等分再分成八等分，直到该子区域均质 每个节点有0到8个直接后代 体素或体元

threejs-octree 一个粗略的八叉树实现，可在复杂的THREE.js场景中支持视锥剔除和射线投射。 注意：代码通常是未完成和未完成的。 去做 如果彼此之间正好有一堆物体，则需要最大深度 考虑使用SAH添加优化并进一步限制边界框 提供用于迭代刷新所有挂起的插入的选项，因为这在转换操作上可能会很昂贵 当树很大时，射线广播可能会变慢。 这似乎是由于许多对象没有被向下推入跨越八分圆边界的叶子。 添加，更新和删除操作都会同时延迟，而对象也将被下推到树中-我们不需要两者（或两者都需要？将它们删除吗？） 优化对象去除。 使用类似SAH算法的方法来决定何时拆分。 将边界缩小到最佳约束子对象的大小？

实现了Octree 功能，希望对大家有用-Function realized Octree

python demo of kdtree/octree

OctNet使用有效的空间分区结构（即八叉树）来减少内存和计算3D卷积神经网络的需求，从而实现高分辨率的深度学习。 这是本文的代码： ， 和 我们展示了OctNet，它是稀疏3D数据的深度学习表示。 与现有模型相比，我们的表示支持深度和高分辨率的3D卷积网络。 为了实现这一目标，我们利用输入数据中的稀疏性，使用一组不平衡的八叉树来对空间进行分层划分，其中每个叶节点都存储一个池化的要素表示。 这样可以将内存分配和计算集中到相关的密集区域，并在不影响分辨率的情况下实现更深的网络。 通过分析分辨率对几个3D任务的影响，包括3D对象分类，方向估计和点云标记，我们演示了OctNet表示的实用性

八毫克 octree-mg库在四叉树/八叉树网格上实现了并行几何多重网格方法，可用于求解椭圆形PDE，例如Poissons方程。 所提供的求解器可以在采用四叉树/八叉树网格的现有自适应网格细化（AMR）框架中使用。 该代码被详细描述在该公报中记载 ，也可在 。 用法 在顶部文件夹中键入make ，然后在tests文件夹中运行程序。 包括其他项目中的图书馆 您可以使用子树的git子模块包括single_module octree-mg的完整副本，也可以将其作为单个Fortran模块包括在内，请参见文件夹single_module 。 特征 MPI并行化 可以在2D / 3D中使用相同的代码（编译成两个不同的库） 支持自适应细化的网格，在细化边界附近具有一致的离散化 可以轻松创建矩形网格（例如512 x 256 x 256个单元）。 支持带有稀疏模板的操作员（2D / 3D中为5/7点）