基于k-means的点云精简算法代码C++

当然，下面是一个基于k-means的点云精简算法的C++代码示例：

#include <iostream>
#include <vector>
#include <cmath>

// 3D点结构体
struct Point {
    double x;
    double y;
    double z;
};

// 计算两个点之间的欧氏距离
double distance(const Point& p1, const Point& p2) {
    double dx = p1.x - p2.x;
    double dy = p1.y - p2.y;
    double dz = p1.z - p2.z;
    return std::sqrt(dx * dx + dy * dy + dz * dz);
}

// 执行k-means算法进行点云精简
std::vector<Point> simplifyPointCloud(const std::vector<Point>& cloud, int k, int maxIterations) {
    std::vector<Point> centroids(k);
    std::vector<int> clusterSizes(k);
    
    // 随机初始化聚类中心
    for (int i = 0; i < k; i++) {
        centroids[i] = cloud[i];
    }
    
    // 迭代更新聚类中心
    for (int iteration = 0; iteration < maxIterations; iteration++) {
        // 清空聚类结果和计数器
        std::vector<std::vector<Point>> clusters(k);
        clusterSizes.assign(k, 0);
        
        // 对每个点进行聚类
        for (const Point& point : cloud) {
            double minDistance = std::numeric_limits<double>::max();
            int closestCentroid = 0;
            
            // 找到距离最近的聚类中心
            for (int i = 0; i < k; i++) {
                double dist = distance(point, centroids[i]);
                if (dist < minDistance) {
                    minDistance = dist;
                    closestCentroid = i;
                }
            }
            
            // 将点分配到对应的聚类中心
            clusters[closestCentroid].push_back(point);
            clusterSizes[closestCentroid]++;
        }
        
        // 更新聚类中心为每个聚类的质心
        for (int i = 0; i < k; i++) {
            if (clusterSizes[i] > 0) {
                double sumX = 0.0;
                double sumY = 0.0;
                double sumZ = 0.0;
                
                for (const Point& point : clusters[i]) {
                    sumX += point.x;
                    sumY += point.y;
                    sumZ += point.z;
                }
                
                centroids[i].x = sumX / clusterSizes[i];
                centroids[i].y = sumY / clusterSizes[i];
                centroids[i].z = sumZ / clusterSizes[i];
            }
        }
    }
    
    // 返回最终的聚类中心作为精简后的点云
    return centroids;
}

int main() {
    // 创建一个示例点云数据
    std::vector<Point> cloud = {
        {1.0, 2.0, 3.0},
        {4.0, 5.0, 6.0},
        {7.0, 8.0, 9.0},
        {10.0, 11.0, 12.0},
        {13.0, 14.0, 15.0},
        {16.0, 17.0, 18.0}
    };
    
    // 执行点云精简，设置聚类数目为2，最大迭代次数为10
    std::vector<Point> simplifiedCloud = simplifyPointCloud(cloud, 2, 10);
    
    // 输出精简后的点云
    for (const Point& point : simplifiedCloud) {
        std::cout << "(" << point.x << ", " << point.y << ", " << point.z << ")" << std::endl;
    }
    
    return 0;
}

这是一个简单的k-means算法实现，用于对点云进行精简。你可以根据自己的需求进行修改和扩展。希望对你有所帮助！如果你有任何问题，请随时提问。