比较点云法向量与其邻域点的夹角来检测边界点，以及其对应的matlab代码，代码中使用函数全为matlab自带的内置函数，并可视化

在点云处理中，检测边界点是一项重要的任务。其中一种方法是通过比较每个点的法向量与其邻域点的法向量之间的夹角来标记边界点。如果夹角很大，则可以将该点标记为边界点。下面是一些示例 MATLAB 代码，演示如何使用 PCA 算法来计算点云的法向量，并使用夹角方法检测边界点。

% 读取点云数据
ptCloud = pcread('pointCloud.ply');

% 计算点云的法向量
normalVector = pcnormals(ptCloud);

% 设置邻域点的数量
neighborhoodSize = 10;

% 初始化边界点索引
boundaryIndices = [];

% 遍历每个点
for i = 1:ptCloud.Count
    % 获取当前点的法向量
    currentNormal = normalVector(i,:);
    
    % 获取当前点的邻域点
    [indices,~] = findNeighborsInRadius(ptCloud,ptCloud.Location(i,:),neighborhoodSize);
    
    % 计算邻域点的法向量
    neighborNormals = normalVector(indices,:);
    
    % 计算当前点的法向量与邻域点法向量的夹角
    angles = acosd(dot(repmat(currentNormal,[size(neighborNormals,1),1]),neighborNormals,2));
    
    % 如果夹角大于阈值，则将该点标记为边界点
    if any(angles > 90)
        boundaryIndices = [boundaryIndices,i];
    end
end

% 将边界点可视化
figure
pcshow(ptCloud.Location,'MarkerSize',30)
hold on
plot3(ptCloud.Location(boundaryIndices,1),ptCloud.Location(boundaryIndices,2),ptCloud.Location(boundaryIndices,3),'r.','MarkerSize',50)
title('Boundary Points Detection')
xlabel('X')
ylabel('Y')
zlabel('Z')

在上面的代码中，我们首先读取点云数据，并使用 `pcnormals` 函数计算点云的法向量。然后，我们设置邻域点的数量，并遍历每个点。对于每个点，我们获取其邻域点，并计算其法向量与邻域点法向量之间的夹角。如果夹角大于 90 度，则将该点标记为边界点。最后，我们将边界点可视化。