基于1.8.1pcl库改写以点p为起点的欧式聚类的c++代码

当然可以！下面是一个基于1.8.1版本的PCL库，用于以点p为起点的欧式聚类的C++代码示例：

#include <iostream>
#include <pcl/point_types.h>
#include <pcl/features/normal_3d.h>
#include <pcl/filters/extract_indices.h>
#include <pcl/kdtree/kdtree.h>
#include <pcl/segmentation/extract_clusters.h>

int main()
{
    // 创建点云对象
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
  
    // 填充点云数据，此处省略

    // 创建法线估计对象
    pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne;
    ne.setInputCloud(cloud);

    // 创建kdtree对象，用于搜索邻域点
    pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>);
    ne.setSearchMethod(tree);

    // 估计法线
    pcl::PointCloud<pcl::Normal>::Ptr cloud_normals(new pcl::PointCloud<pcl::Normal>);
    ne.setRadiusSearch(0.03); // 设置搜索半径
    ne.compute(*cloud_normals);

    // 创建欧式聚类对象
    pcl::EuclideanClusterExtraction<pcl::PointXYZ> ec;
    ec.setInputCloud(cloud);
    ec.setClusterTolerance(0.02); // 设置聚类的容差
    ec.setMinClusterSize(100); // 设置每个聚类的最小大小
    ec.setMaxClusterSize(25000); // 设置每个聚类的最大大小
    ec.setSearchMethod(tree);

    // 提取聚类结果
    std::vector<pcl::PointIndices> cluster_indices;
    ec.extract(cluster_indices);

    // 输出聚类结果
    int j = 0;
    for (std::vector<pcl::PointIndices>::const_iterator it = cluster_indices.begin(); it != cluster_indices.end(); ++it)
    {
        pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_cluster(new pcl::PointCloud<pcl::PointXYZ>);
        for (std::vector<int>::const_iterator pit = it->indices.begin(); pit != it->indices.end(); ++pit)
            cloud_cluster->points.push_back(cloud->points[*pit]);
        cloud_cluster->width = cloud_cluster->points.size();
        cloud_cluster->height = 1;
        cloud_cluster->is_dense = true;

        std::cout << "Cluster " << j << " has " << cloud_cluster->points.size() << " points." << std::endl;
        j++;
    }

    return 0;
}

请注意，上述代码中的点云数据填充部分被省略了，你需要根据你的实际数据进行填充。此外，代码中的聚类参数也可以根据你的需求进行调整。