写一段以已知点p为起点的点云欧式聚类的c++代码

以下是一个使用已知点p为起点的点云欧式聚类的C++代码示例：

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

struct Point {
    float x, y, z;
};

float euclideanDistance(const Point& p1, const Point& p2) {
    float dx = p1.x - p2.x;
    float dy = p1.y - p2.y;
    float dz = p1.z - p2.z;
    return std::sqrt(dx*dx + dy*dy + dz*dz);
}

std::vector<std::vector<Point>> euclideanCluster(const std::vector<Point>& points, const Point& p, float distanceThreshold) {
    std::vector<std::vector<Point>> clusters;
    std::vector<bool> visited(points.size(), false);

    for (int i = 0; i < points.size(); i++) {
        if (visited[i]) {
            continue;
        }
        
        std::vector<Point> cluster;
        cluster.push_back(points[i]);
        visited[i] = true;

        for (int j = 0; j < cluster.size(); j++) {
            const Point& currentPoint = cluster[j];

            for (int k = 0; k < points.size(); k++) {
                if (!visited[k] && euclideanDistance(currentPoint, points[k]) <= distanceThreshold) {
                    cluster.push_back(points[k]);
                    visited[k] = true;
                }
            }
        }

        clusters.push_back(cluster);
    }

    return clusters;
}

int main() {
    std::vector<Point> points = { {1, 2, 3}, {4, 5, 6}, {7, 8, 9}, {10, 11, 12}, {13, 14, 15} };
    Point p = {4, 5, 6};
    float distanceThreshold = 2.0;

    std::vector<std::vector<Point>> clusters = euclideanCluster(points, p, distanceThreshold);

    for (const auto& cluster : clusters) {
        std::cout << "Cluster: ";
        for (const auto& point : cluster) {
            std::cout << "(" << point.x << ", " << point.y << ", " << point.z << ") ";
        }
        std::cout << std::endl;
    }

    return 0;
}

在上述代码中，Point 结构表示一个点的坐标。euclideanDistance 函数计算两个点之间的欧式距离。euclideanCluster 函数实现了欧式聚类算法，将点云中距离起点 p 在一定阈值范围内的点聚类在一起。main 函数演示了如何使用这些函数来进行聚类，并打印出聚类结果。

请注意，上述代码仅是一个简单的示例，实际使用时可能需要根据具体需求进行修改和优化。