请帮我写一份二维点云提取边界的python代码

好的，以下是一个基于scikit-learn库的二维点云提取边界的Python代码：

import numpy as np
from sklearn.neighbors import KDTree
import matplotlib.pyplot as plt

# 生成二维点云数据
points = np.random.rand(100, 2)

# 计算点云的kdtree
tree = KDTree(points)

# 定义边界点云的容器
boundary_points = []

# 遍历每个点
for i, point in enumerate(points):
    # 搜索最近的k个邻居点
    [distances, indices] = tree.query([point], k=20)
    neighbors = points[indices[0][1:], :]

    # 计算点到邻居点的距离
    distances = np.sqrt(np.sum((neighbors - point) ** 2, axis=1))

    # 如果点到所有邻居点的距离都大于一个阈值，则该点为边界点
    if np.all(distances > 0.1):
        boundary_points.append(point)

# 将边界点云可视化
boundary_points = np.asarray(boundary_points)
plt.scatter(points[:, 0], points[:, 1], color='blue')
plt.scatter(boundary_points[:, 0], boundary_points[:, 1], color='red')
plt.show()

上述代码中使用了KDTree搜索算法来查找每个点的最近邻居点，并计算点到邻居点的距离。如果点到所有邻居点的距离都大于一个阈值，则该点被认为是边界点。最后，将所有边界点可视化。请注意，阈值需要根据具体情况进行调整。