PCL聚类并显示 代码

以下是使用 PCL 进行点云聚类并显示的示例代码：

#include <iostream>
#include <pcl/point_types.h>
#include <pcl/filters/voxel_grid.h>
#include <pcl/features/normal_3d.h>
#include <pcl/kdtree/kdtree.h>
#include <pcl/segmentation/extract_clusters.h>
#include <pcl/visualization/cloud_viewer.h>

int main () {
  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>);

  // 读取点云数据
  pcl::io::loadPCDFile("input_cloud.pcd", *cloud);

  // 对点云进行下采样
  pcl::VoxelGrid<pcl::PointXYZ> sor;
  sor.setInputCloud(cloud);
  sor.setLeafSize(0.01f, 0.01f, 0.01f);
  sor.filter(*cloud_filtered);

  // 计算法线
  pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne;
  ne.setInputCloud(cloud_filtered);
  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);

  // 创建点云聚类对象
  pcl::ExtractClusters<pcl::PointXYZ> ec;
  ec.setClusterTolerance(0.02);
  ec.setMinClusterSize(100);
  ec.setMaxClusterSize(25000);
  ec.setSearchMethod(tree);
  ec.setInputCloud(cloud_filtered);

  // 聚类并可视化
  std::vector<pcl::PointIndices> cluster_indices;
  ec.extract(cluster_indices);

  pcl::visualization::PCLVisualizer viewer("Cluster viewer");
  viewer.setBackgroundColor(0, 0, 0);
  for (std::vector<pcl::PointIndices>::const_iterator it = cluster_indices.begin(); it != cluster_indices.end(); ++it) {
    pcl::PointCloud<pcl::PointXYZ>::Ptr cluster_cloud(new pcl::PointCloud<pcl::PointXYZ>);
    for (std::vector<int>::const_iterator pit = it->indices.begin(); pit != it->indices.end(); pit++) {
      cluster_cloud->points.push_back(cloud_filtered->points[*pit]);
    }
    cluster_cloud->width = cluster_cloud->points.size();
    cluster_cloud->height = 1;
    cluster_cloud->is_dense = true;

    // 随机生成颜色
    unsigned char r = rand() % 256;
    unsigned char g = rand() % 256;
    unsigned char b = rand() % 256;

    // 可视化聚类结果
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> color(cluster_cloud, r, g, b);
    viewer.addPointCloud<pcl::PointXYZ>(cluster_cloud, color, "cluster" + std::to_string(it - cluster_indices.begin()));
    viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "cluster" + std::to_string(it - cluster_indices.begin()));
  }

  // 显示点云
  viewer.addPointCloud<pcl::PointXYZ>(cloud_filtered, "cloud");
  viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "cloud");

  // 设置相机视角
  viewer.setCameraPosition(-16.2, -16.5, 24.2, 0.5, 0.5, 0.5, 0, 0, 1);

  // 进入可视化循环
  while (!viewer.wasStopped()) {
    viewer.spinOnce();
  }

  return 0;
}

这段代码首先使用 `pcl::io::loadPCDFile` 函数读取点云数据，然后使用 `pcl::VoxelGrid` 对点云进行下采样，使用 `pcl::NormalEstimation` 计算法线。接着，使用 `pcl::ExtractClusters` 对点云进行聚类，并将聚类结果可视化。最后，使用 `pcl::visualization::PCLVisualizer` 将点云和聚类结果显示出来。

需要注意的是，本例中聚类算法的参数是根据具体场景进行调整的，不同的场景可能需要不同的参数。