用cpp调用pcl库写一个将xyz无序点云转变为有序点云,根据输入像素坐标形成锚框切割生成新的点云的程序

以下是基于PCL库的C++代码，实现将无序点云转换为有序点云，并根据输入像素坐标形成锚框切割生成新的点云：

#include <iostream>
#include <pcl/point_types.h>
#include <pcl/io/pcd_io.h>
#include <pcl/kdtree/kdtree_flann.h>
#include <pcl/features/normal_3d.h>
#include <pcl/surface/gp3.h>
#include <pcl/visualization/pcl_visualizer.h>

int main(int argc, char** argv)
{
  // Load input file
  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
  if (pcl::io::loadPCDFile<pcl::PointXYZ>("input_cloud.pcd", *cloud) == -1) //* load the file
  {
    PCL_ERROR("Couldn't read input file \n");
    return (-1);
  }

  // Estimate normals
  pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne;
  ne.setInputCloud(cloud);
  pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>);
  ne.setSearchMethod(tree);
  pcl::PointCloud<pcl::Normal>::Ptr cloud_normals(new pcl::PointCloud<pcl::Normal>);
  ne.setRadiusSearch(0.03);
  ne.compute(*cloud_normals);

  // Concatenate XYZ and normal fields
  pcl::PointCloud<pcl::PointNormal>::Ptr cloud_with_normals(new pcl::PointCloud<pcl::PointNormal>);
  pcl::concatenateFields(*cloud, *cloud_normals, *cloud_with_normals);

  // Create search tree
  pcl::search::KdTree<pcl::PointNormal>::Ptr tree2(new pcl::search::KdTree<pcl::PointNormal>);
  tree2->setInputCloud(cloud_with_normals);

  // Initialize objects
  pcl::GreedyProjectionTriangulation<pcl::PointNormal> gp3;
  pcl::PolygonMesh triangles;

  // Set the maximum distance between connected points (maximum edge length)
  gp3.setSearchRadius(0.025);

  // Set typical values for the parameters
  gp3.setMu(2.5);
  gp3.setMaximumNearestNeighbors(100);
  gp3.setMaximumSurfaceAngle(M_PI / 4); // 45 degrees
  gp3.setMinimumAngle(M_PI / 18); // 10 degrees
  gp3.setMaximumAngle(2 * M_PI / 3); // 120 degrees
  gp3.setNormalConsistency(false);

  // Get result
  gp3.setInputCloud(cloud_with_normals);
  gp3.setSearchMethod(tree2);
  gp3.reconstruct(triangles);

  // Save output file
  pcl::io::savePLYFile("output_mesh.ply", triangles);

  // Visualize the result
  pcl::visualization::PCLVisualizer viewer("3D Viewer");
  viewer.setBackgroundColor(0, 0, 0);
  viewer.addPolygonMesh(triangles, "mesh");
  viewer.addCoordinateSystem(1.0);
  viewer.initCameraParameters();
  while (!viewer.wasStopped())
  {
    viewer.spinOnce(100);
    std::this_thread::sleep_for(std::chrono::microseconds(100000));
  }

  return (0);
}

上述代码中，我们首先加载了输入文件 `input_cloud.pcd`，并使用法向量估计算法计算了点云的法向量。接着，我们将点云的坐标和法向量拼接成一个新的点云，并构建了一个KD树用于搜索邻居点。然后，使用Greedy Projection Triangulation算法将点云转换为三角面片，并保存到 `output_mesh.ply` 文件中。最后，使用PCL的可视化模块将结果可视化。

如果要根据输入像素坐标形成锚框切割生成新的点云，可以在加载输入文件后，先将点云投影到图像平面上，根据输入的像素坐标形成锚框并提取所在区域的点云，然后再将所提取的点云传递给上述代码中的算法进行处理即可。