基于181pcl库编写以点p为聚类中心点的聚类算法的c++代码

以下是基于1.8.1版本的PCL库编写的以点p为聚类中心点的聚类算法的C++代码示例：

#include <iostream>
#include <pcl/point_types.h>
#include <pcl/segmentation/extract_clusters.h>

int main()
{
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    // 假设cloud为输入点云数据

    // 设置点云数据
    cloud->width = 8;
    cloud->height = 1;
    cloud->points.resize(cloud->width * cloud->height);

    for (size_t i = 0; i < cloud->points.size(); ++i)
    {
        cloud->points[i].x = static_cast<float>(1024 * rand() / (RAND_MAX + 1.0));
        cloud->points[i].y = static_cast<float>(1024 * rand() / (RAND_MAX + 1.0));
        cloud->points[i].z = static_cast<float>(1024 * rand() / (RAND_MAX + 1.0));
    }

    // 设置聚类算法的参数
    pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>);
    tree->setInputCloud(cloud);

    std::vector<pcl::PointIndices> cluster_indices;
    pcl::EuclideanClusterExtraction<pcl::PointXYZ> ec;
    ec.setClusterTolerance(0.02); // 设置聚类的容差
    ec.setMinClusterSize(100);    // 设置聚类的最小尺寸
    ec.setMaxClusterSize(25000);  // 设置聚类的最大尺寸
    ec.setSearchMethod(tree);
    ec.setInputCloud(cloud);
    ec.extract(cluster_indices);

    // 输出聚类结果
    std::cout << "Number of clusters: " << cluster_indices.size() << std::endl;
    for (const auto &indices : cluster_indices)
    {
        std::cout << "Cluster size: " << indices.indices.size() << std::endl;
        for (const auto &index : indices.indices)
        {
            std::cout << cloud->points[index].x << " "
                      << cloud->points[index].y << " "
                      << cloud->points[index].z << std::endl;
        }
        std::cout << std::endl;
    }

    return 0;
}

上述代码中，我们使用了pcl::EuclideanClusterExtraction类来进行聚类操作。在设置聚类算法参数时，我们通过setClusterTolerance设置了聚类的容差，即两个点之间的最大距离；通过setMinClusterSize和setMaxClusterSize设置了聚类的最小和最大尺寸。最后，我们使用extract方法提取聚类结果，并输出每个聚类的点云坐标。

请注意，以上代码仅为示例，具体的实现可能需要根据实际需求进行调整。