#pragma once
#include "vde/core/point.h"
#include "vde/core/aabb.h"
#include <vector>
#include <string>
#include <cstdint>
#include <array>

namespace vde::mesh {
using core::Point3D;
using core::Vector3D;
using core::AABB3D;

// ───────────────────────────────────────────────────────────
// PointCloud 点云类
// ───────────────────────────────────────────────────────────

/**
 * @brief 点云数据结构
 *
 * 存储顶点位置、法线、颜色（可选）及包围盒信息。
 * 支持 PLY/E57/PTX 加载，体素降采样、统计离群点剔除、kNN 法线估计。
 *
 * @ingroup mesh
 */
class PointCloud {
public:
    std::vector<Point3D>  vertices;   ///< 顶点位置
    std::vector<Vector3D> normals;    ///< 顶点法线（归一化，空数组表示未计算）
    std::vector<std::array<uint8_t, 3>> colors;  ///< RGB 颜色（0-255，空数组表示无颜色）

    PointCloud() = default;

    /// 从顶点列表构造（无颜色/法线）
    explicit PointCloud(std::vector<Point3D> pts) : vertices(std::move(pts)) {}

    /// 顶点数
    [[nodiscard]] size_t size() const { return vertices.size(); }
    /// 是否有法线
    [[nodiscard]] bool has_normals() const { return !normals.empty(); }
    /// 是否有颜色
    [[nodiscard]] bool has_colors() const { return !colors.empty(); }

    /// 包围盒
    [[nodiscard]] AABB3D bounds() const;

    // ── I/O ──────────────────────────────────────────────

    /// 加载 PLY 点云文件（ASCII 或 binary little-endian）
    static PointCloud load_ply(const std::string& path);

    /// 加载 E57 点云文件（简化解析：仅提取 CartesianBounds + points3D）
    static PointCloud load_e57(const std::string& path);

    /// 加载 PTX 格式点云（Leica 扫描仪原始格式）
    static PointCloud load_ptx(const std::string& path);

    /// 保存为 PLY 文件
    bool save_ply(const std::string& path) const;

    // ── 滤波 / 降采样 ────────────────────────────────────

    /**
     * @brief 体素降采样
     * @param voxel_size 体素边长
     * @return 降采样后的点云（每个体素用质心代替）
     */
    [[nodiscard]] PointCloud voxel_downsample(double voxel_size) const;

    /**
     * @brief 统计离群点剔除（SOR）
     * @param k 邻域点数（默认 6）
     * @param std_ratio 标准差倍率阈值（默认 1.0），超过 mean+k*std_ratio 的点标记为离群
     * @return 剔除离群点后的点云
     */
    [[nodiscard]] PointCloud statistical_outlier_removal(int k = 6, double std_ratio = 1.0) const;

    // ── 法线估计 ──────────────────────────────────────────

    /**
     * @brief kNN 法线估计
     *
     * 对每个点，找到 k 个最近邻点，用 PCA 估计法线（最小特征值对应方向）。
     * 法线方向通过视角向量（点→原点方向）统一朝向。
     *
     * @param k 最近邻点数（≥ 3）
     * @return 估计了法线的新点云
     */
    [[nodiscard]] PointCloud normal_estimation(int k = 10) const;

    // ── 曲率感知采样 ──────────────────────────────────────

    /**
     * @brief 曲率感知降采样
     *
     * 计算每点局部曲率近似，按曲率加权采样：高曲率区域保留更多点。
     *
     * @param target_count 目标点数
     * @return 采样后的索引数组
     */
    [[nodiscard]] std::vector<size_t> curvature_aware_sampling(size_t target_count) const;

    // ── 平滑滤波 ──────────────────────────────────────────

    /**
     * @brief 双边滤波平滑
     *
     * 对点云位置进行法向加权的双边滤波去噪，保持尖锐特征。
     *
     * @param sigma_c 空间高斯 σ（0 = 自动按平均点距计算）
     * @param sigma_n 法向高斯 σ（弧度）
     * @param iterations 迭代次数
     * @return 平滑后的新点云
     */
    [[nodiscard]] PointCloud smoothing_filter(double sigma_c = 0.0,
                                               double sigma_n = 0.3,
                                               int iterations = 3) const;

private:
    /** 构建 k-d 树索引，返回每个顶点的 k 最近邻索引 */
    [[nodiscard]] std::vector<std::vector<size_t>> k_nearest_neighbors(size_t k) const;

    /** 协方差矩阵 PCA：计算三个特征值，返回最小特征值对应的特征向量 */
    [[nodiscard]] static Vector3D pca_normal(const std::vector<Point3D>& local_pts);
};

}  // namespace vde::mesh