我有路面点云txt文件，需要你先用算法对路面边界提取，然后对提取的边界进行三次样条拟合得到圆滑曲线，最后可视化，求代码

好的，这个任务可以使用点云处理库PCL（Point Cloud Library）来实现。下面是大致的代码实现流程：

1. 读取点云文件，生成点云对象

pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
pcl::io::loadPCDFile("path/to/pointcloud.pcd", *cloud);

2. 对点云进行滤波处理，去除噪声点

pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud(new pcl::PointCloud<pcl::PointXYZ>);

pcl::VoxelGrid<pcl::PointXYZ> sor;
sor.setInputCloud(cloud);
sor.setLeafSize(0.1f, 0.1f, 0.1f);
sor.filter(*filtered_cloud);

3. 对点云进行平面分割，提取路面

pcl::PointCloud<pcl::PointXYZ>::Ptr plane_cloud(new pcl::PointCloud<pcl::PointXYZ>);
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(0.2);

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

pcl::ExtractIndices<pcl::PointXYZ> extract;
extract.setInputCloud(filtered_cloud);
extract.setIndices(inliers);
extract.setNegative(false);
extract.filter(*plane_cloud);

4. 对提取的路面点云进行边缘提取

pcl::PointCloud<pcl::PointXYZ>::Ptr edge_cloud(new pcl::PointCloud<pcl::PointXYZ>);
pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);
pcl::search::KdTree<pcl::PointXYZ>::Ptr kdtree(new pcl::search::KdTree<pcl::PointXYZ>);
pcl::BoundaryEstimation<pcl::PointXYZ, pcl::Normal, pcl::Boundary> est;
pcl::PointCloud<pcl::Boundary>::Ptr boundaries(new pcl::PointCloud<pcl::Boundary>);

pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne;
ne.setInputCloud(plane_cloud);
ne.setSearchMethod(kdtree);
ne.setRadiusSearch(0.2);
ne.compute(*normals);

est.setInputCloud(plane_cloud);
est.setInputNormals(normals);
est.setSearchMethod(kdtree);
est.setRadiusSearch(0.2);
est.compute(*boundaries);

for (int i = 0; i < plane_cloud->size(); i++) {
    if ((*boundaries)[i].boundary_point == 1) {
        edge_cloud->push_back((*plane_cloud)[i]);
    }
}

5. 对提取的边界点云进行三次样条拟合

pcl::PointCloud<pcl::PointXYZ>::Ptr spline_cloud(new pcl::PointCloud<pcl::PointXYZ>);
pcl::MovingLeastSquares<pcl::PointXYZ, pcl::PointXYZ> mls;
mls.setInputCloud(edge_cloud);
mls.setSearchRadius(0.5);
mls.setPolynomialFit(true);
mls.setPolynomialOrder(3);
mls.setUpsamplingMethod(pcl::MovingLeastSquares<pcl::PointXYZ, pcl::PointXYZ>::SAMPLE_LOCAL_PLANE);
mls.setUpsamplingRadius(0.1);
mls.setUpsamplingStepSize(0.05);

mls.process(*spline_cloud);

6. 可视化结果

boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("3D Viewer"));
viewer->setBackgroundColor(0, 0, 0);
viewer->addPointCloud<pcl::PointXYZ>(spline_cloud, "spline cloud");
viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "spline cloud");
viewer->addCoordinateSystem(1.0);
viewer->initCameraParameters();
while (!viewer->wasStopped()) {
    viewer->spinOnce(100);
    boost::this_thread::sleep(boost::posix_time::microseconds(100000));
}

上面的代码只是一个简单的示例，需要你根据实际情况进行调整和优化。另外，还需要注意以下几点：

- 如果你的点云文件不是PCD格式，需要先将其转换为PCD格式。
- 代码中使用的是三次样条拟合，如果需要更高的拟合精度，可以增加拟合阶数或者采用其他的曲线拟合方法。
- 可视化需要使用PCL提供的可视化工具，如果你使用的是其他可视化工具，需要进行相应的修改。