使用c++语言和pcl点云库，对输入点云进行平面分割，平面投影，投影后进行obb计算，并输出obb基于xyz的旋转角度

好的，这个问题可以分成几个步骤来处理。

首先，我们需要使用 PCL 库对输入点云进行平面分割。平面分割可以使用 RANSAC 算法来实现。具体而言，我们可以使用 `pcl::ModelCoefficients` 作为输出来存储平面法向量和平面上一点的坐标，使用 `pcl::SACSegmentation` 类来进行平面分割。示例代码如下：

pcl::ModelCoefficients::Ptr coefficients(new pcl::ModelCoefficients);
pcl::PointIndices::Ptr inliers(new pcl::PointIndices);

pcl::SACSegmentation<pcl::PointXYZ> seg;
seg.setOptimizeCoefficients(true);
seg.setModelType(pcl::SACMODEL_PLANE);
seg.setMethodType(pcl::SAC_RANSAC);
seg.setMaxIterations(1000);
seg.setDistanceThreshold(0.01);

seg.setInputCloud(cloud);
seg.segment(*inliers, *coefficients);

然后，我们需要对点云进行平面投影。我们可以使用 `pcl::ProjectInliers` 类来实现。投影后的点云将只包含平面上的点。示例代码如下：

pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_projected(new pcl::PointCloud<pcl::PointXYZ>);
pcl::ProjectInliers<pcl::PointXYZ> proj;
proj.setModelType(pcl::SACMODEL_PLANE);
proj.setInputCloud(cloud);
proj.setModelCoefficients(coefficients);
proj.filter(*cloud_projected);

接下来，我们可以使用 `pcl::MomentOfInertiaEstimation` 类来计算 OBB。这个类可以计算点云的惯性矩阵，并从中提取 OBB。示例代码如下：

pcl::MomentOfInertiaEstimation<pcl::PointXYZ> feature_extractor;
feature_extractor.setInputCloud(cloud_projected);
feature_extractor.compute();

Eigen::Matrix3f inertia_tensor;
Eigen::Vector3f obb_origin, obb_axis;
Eigen::Vector3f obb_lengths, obb_transform;

feature_extractor.getOBB(obb_origin, obb_axis, obb_lengths, obb_transform);

最后，我们需要将 OBB 的旋转角度转换为基于 XYZ 的角度。我们可以使用 `Eigen` 库来实现这个转换。示例代码如下：

Eigen::Matrix3f obb_rotation;
obb_rotation.col(0) = obb_axis;
obb_rotation.col(1) = obb_transform.cross(obb_axis);
obb_rotation.col(2) = obb_transform;

Eigen::Vector3f obb_euler = obb_rotation.eulerAngles(0, 1, 2);

这里的 `obb_euler` 向量包含了 OBB 的旋转角度（以弧度为单位），基于 XYZ 轴。如果需要转换为角度，则可以使用 `Eigen::Vector3f::radtodeg()` 函数进行转换。

完整的代码示例如下：

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/voxel_grid.h>
#include <pcl/segmentation/sac_segmentation.h>
#include <pcl/filters/project_inliers.h>
#include <pcl/features/moment_of_inertia_estimation.h>

int main(int argc, char** argv)
{
  if (argc != 2)
  {
    std::cerr << "Usage: " << argv[0] << " <input.pcd>" << std::endl;
    return -1;
  }

  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
  if (pcl::io::loadPCDFile<pcl::PointXYZ>(argv[1], *cloud) == -1)
  {
    std::cerr << "Failed to load input point cloud" << std::endl;
    return -1;
  }

  pcl::ModelCoefficients::Ptr coefficients(new pcl::ModelCoefficients);
  pcl::PointIndices::Ptr inliers(new pcl::PointIndices);

  pcl::SACSegmentation<pcl::PointXYZ> seg;
  seg.setOptimizeCoefficients(true);
  seg.setModelType(pcl::SACMODEL_PLANE);
  seg.setMethodType(pcl::SAC_RANSAC);
  seg.setMaxIterations(1000);
  seg.setDistanceThreshold(0.01);

  seg.setInputCloud(cloud);
  seg.segment(*inliers, *coefficients);

  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_projected(new pcl::PointCloud<pcl::PointXYZ>);
  pcl::ProjectInliers<pcl::PointXYZ> proj;
  proj.setModelType(pcl::SACMODEL_PLANE);
  proj.setInputCloud(cloud);
  proj.setModelCoefficients(coefficients);
  proj.filter(*cloud_projected);

  pcl::MomentOfInertiaEstimation<pcl::PointXYZ> feature_extractor;
  feature_extractor.setInputCloud(cloud_projected);
  feature_extractor.compute();

  Eigen::Matrix3f inertia_tensor;
  Eigen::Vector3f obb_origin, obb_axis;
  Eigen::Vector3f obb_lengths, obb_transform;

  feature_extractor.getOBB(obb_origin, obb_axis, obb_lengths, obb_transform);

  Eigen::Matrix3f obb_rotation;
  obb_rotation.col(0) = obb_axis;
  obb_rotation.col(1) = obb_transform.cross(obb_axis);
  obb_rotation.col(2) = obb_transform;

  Eigen::Vector3f obb_euler = obb_rotation.eulerAngles(0, 1, 2);

  std::cout << "OBB Euler angles: " << obb_euler.transpose() << std::endl;

  return 0;
}