PCL 最小二乘法拟合直线代码

以下是PCL库中最小二乘法拟合直线的示例代码：

#include <pcl/point_types.h>
#include <pcl/sample_consensus/method_types.h>
#include <pcl/sample_consensus/model_types.h>
#include <pcl/segmentation/sac_segmentation.h>

int main ()
{
  // 创建点云输入
  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
  cloud->width = 100;
  cloud->height = 1;
  cloud->points.resize(cloud->width * cloud->height);
  for (size_t i = 0; i < cloud->points.size(); ++i)
  {
    cloud->points[i].x = 1024 * rand() / (RAND_MAX + 1.0f);
    cloud->points[i].y = 1024 * rand() / (RAND_MAX + 1.0f);
    cloud->points[i].z = 1.0;
  }

  // 创建分割对象
  pcl::SACSegmentation<pcl::PointXYZ> seg;
  pcl::ModelCoefficients::Ptr coefficients(new pcl::ModelCoefficients);
  pcl::PointIndices::Ptr inliers(new pcl::PointIndices);

  // 设置分割对象参数
  seg.setOptimizeCoefficients(true);
  seg.setModelType(pcl::SACMODEL_LINE);
  seg.setMethodType(pcl::SAC_RANSAC);
  seg.setDistanceThreshold(0.01);

  // 执行分割
  seg.setInputCloud(cloud);
  seg.segment(*inliers, *coefficients);

  // 输出结果
  std::cerr << "Model coefficients: " << coefficients->values[0] << " "
                                      << coefficients->values[1] << " "
                                      << coefficients->values[2] << std::endl;
  return (0);
}

该代码中创建了一个输入点云，然后使用SACSegmentation对象进行分割。在分割之前，需要设置模型类型（这里使用直线模型）、分割方法（这里使用RANSAC算法）和距离阈值（用于判断是否属于模型的点）。执行分割后，可以得到拟合的直线模型系数。