用cpp调用pcl库写一个将无序点云转变为有序点云根据坐标锚框切割生成新的点云的程序

下面是一个示例程序，该程序可以将无序点云转换为有序点云，并根据给定的坐标锚框切割生成新的点云。

#include <pcl/point_types.h>
#include <pcl/io/pcd_io.h>
#include <pcl/kdtree/kdtree_flann.h>
#include <pcl/filters/extract_indices.h>
#include <pcl/features/normal_3d.h>

typedef pcl::PointXYZ PointT;

int main (int argc, char** argv)
{
  // 读取点云数据
  pcl::PointCloud<PointT>::Ptr cloud (new pcl::PointCloud<PointT>);
  pcl::io::loadPCDFile<PointT> ("input.pcd", *cloud);

  // 初始化KdTree
  pcl::KdTreeFLANN<PointT>::Ptr kdtree (new pcl::KdTreeFLANN<PointT>);
  kdtree->setInputCloud (cloud);

  // 计算法线
  pcl::NormalEstimation<PointT, pcl::Normal> ne;
  ne.setInputCloud (cloud);
  ne.setSearchMethod (kdtree);
  pcl::PointCloud<pcl::Normal>::Ptr cloud_normals (new pcl::PointCloud<pcl::Normal>);
  ne.setRadiusSearch (0.03);
  ne.compute (*cloud_normals);

  // 定义裁剪区域
  float min_x = 0.0, max_x = 1.0;
  float min_y = 0.0, max_y = 1.0;
  float min_z = 0.0, max_z = 1.0;

  // 利用法线信息进行裁剪
  pcl::ExtractIndices<PointT> extract;
  pcl::PointIndices::Ptr indices (new pcl::PointIndices);
  for (size_t i = 0; i < cloud_normals->size (); ++i)
  {
    if (cloud_normals->points[i].normal_x > min_x && cloud_normals->points[i].normal_x < max_x &&
        cloud_normals->points[i].normal_y > min_y && cloud_normals->points[i].normal_y < max_y &&
        cloud_normals->points[i].normal_z > min_z && cloud_normals->points[i].normal_z < max_z)
    {
      indices->indices.push_back(i);
    }
  }

  // 提取裁剪后的点云
  pcl::PointCloud<PointT>::Ptr cloud_filtered (new pcl::PointCloud<PointT>);
  extract.setInputCloud (cloud);
  extract.setIndices (indices);
  extract.filter (*cloud_filtered);

  // 保存结果点云
  pcl::io::savePCDFileBinary ("output.pcd", *cloud_filtered);

  return (0);
}

在上述代码中，我们首先读入一个无序点云，并利用 KdTree 进行搜索和法线计算。然后我们定义了一个裁剪区域，根据法线信息进行裁剪，并提取裁剪后的点云。最后，我们将处理后的点云保存到磁盘上。需要注意的是，这里的坐标锚框采用的是法线信息进行裁剪，如果你需要使用其他的坐标锚框进行裁剪，需要修改代码中的裁剪逻辑。