解释以下代码while (cloud->points.size() > 0.3 * nr_points) { // 为了处理点云包含的多个模型，在一个循环中执行该过程并在每次模型被提取后，保存剩余的点进行迭代 seg.setInputCloud(cloud); seg.segment(*inliers, *coefficients); if (inliers->indices.size() == 0) { std::cerr << "Could not estimate a planar model for the given dataset." << std::endl; break; } // Extract the inliers extract.setInputCloud(cloud); extract.setIndices(inliers); extract.setNegative(false); extract.filter(*cloud_p); planes.push_back(cloud_p); //std::cerr << "PointCloud representing the planar component: " << cloud_p->width * cloud_p->height << " data points." << std::endl; // Create the filtering object extract.setNegative(true); extract.filter(*cloud_f); cloud.swap(cloud_f); i++; }

这段代码是一个循环，用于提取点云中的平面模型。

首先，代码检查点云中的点数是否大于总点数的0.3倍。如果是，则进入循环。这个条件可以用来控制循环次数，以便在每次提取一个模型后，剩余的点云仍然足够大。

在循环的每一次迭代中，代码使用一个分割对象 `seg` 来对点云进行分割。`seg.setInputCloud(cloud)` 设置输入点云，`seg.segment(*inliers, *coefficients)` 进行分割并将结果保存在 `inliers` 和 `coefficients` 中。

接下来，代码检查 `inliers` 中的索引数量是否为0。如果是，则表示无法估计给定数据集的平面模型，并输出错误信息后跳出循环。

如果 `inliers` 中有索引，表示成功估计了一个平面模型。代码使用 `extract` 对象来提取这些内点（即属于平面的点），并保存到 `cloud_p` 中。然后，将 `cloud_p` 添加到 `planes` 中，表示找到了一个平面模型。

接着，代码创建一个过滤对象 `extract`，用于提取剩余的点云。将其设置为负过滤，以排除之前找到的平面内点。然后将结果保存到 `cloud_f` 中。

最后，通过调用 `cloud.swap(cloud_f)`，将 `cloud_f` 中的点云赋值给 `cloud`，以便下一次循环使用。循环结束前，`i` 的值会递增。

这段代码的目的是在一个循环中不断提取点云中的平面模型，直到剩余的点云不足以估计一个平面模型为止。每次提取一个模型后，将其保存到 `planes` 中，并通过过滤剩余的点云来进行下一次迭代。