我有路面txt点云文件，需要先提取边界，然后对边界线形进行3次样条拟合得到圆滑曲线，求代码

可以使用Python中的NumPy，SciPy和scikit-learn库来完成这个任务。

首先，我们需要读取点云数据，并使用Convex Hull算法提取边界。代码如下：

import numpy as np
from scipy.spatial import ConvexHull

# 读取点云数据
data = np.loadtxt('points.txt')

# 使用Convex Hull算法提取边界
hull = ConvexHull(data)
boundary_points = data[hull.vertices]

接下来，我们需要对边界线形进行3次样条拟合。这里我们可以使用scikit-learn库中的`make_interp_spline`函数。代码如下：

from scipy.interpolate import make_interp_spline

# 对边界线形进行3次样条拟合
spline = make_interp_spline(boundary_points[:, 0], boundary_points[:, 1], k=3)
x_smooth = np.linspace(boundary_points[:, 0].min(), boundary_points[:, 0].max(), 200)
y_smooth = spline(x_smooth)

最后，我们可以使用Matplotlib库将点云数据和拟合曲线可视化。代码如下：

import matplotlib.pyplot as plt

# 可视化点云数据和拟合曲线
plt.scatter(data[:, 0], data[:, 1], s=1)
plt.plot(x_smooth, y_smooth, color='red')
plt.show()

完整代码如下：

import numpy as np
from scipy.spatial import ConvexHull
from scipy.interpolate import make_interp_spline
import matplotlib.pyplot as plt

# 读取点云数据
data = np.loadtxt('points.txt')

# 使用Convex Hull算法提取边界
hull = ConvexHull(data)
boundary_points = data[hull.vertices]

# 对边界线形进行3次样条拟合
spline = make_interp_spline(boundary_points[:, 0], boundary_points[:, 1], k=3)
x_smooth = np.linspace(boundary_points[:, 0].min(), boundary_points[:, 0].max(), 200)
y_smooth = spline(x_smooth)

# 可视化点云数据和拟合曲线
plt.scatter(data[:, 0], data[:, 1], s=1)
plt.plot(x_smooth, y_smooth, color='red')
plt.show()

注意，这里使用的是Convex Hull算法提取边界，如果你的数据不适用于Convex Hull算法，可能需要使用其他算法来提取边界。