PCL点云聚类：以指定点为中心、指定半径聚类(C++)

本篇博客将介绍如何使用PCL库(版本1.8.1)编写C++代码，实现以预先指定的点为中心、指定半径进行点云聚类。

代码示例

#include <iostream>
#include <pcl/point_types.h>
#include <pcl/io/pcd_io.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/filters/extract_indices.h>
#include <pcl/segmentation/extract_clusters.h>

int main()
{
    // 加载点云数据
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    pcl::io::loadPCDFile<pcl::PointXYZ>('input_cloud.pcd', *cloud);

    // 指定聚类中心点p和半径r
    pcl::PointXYZ p;
    p.x = 0.0; // 例如，将x坐标设为0.0
    p.y = 0.0; // 例如，将y坐标设为0.0
    p.z = 0.0; // 例如，将z坐标设为0.0
    double r = 0.5; // 例如，将半径设为0.5米

    // 创建KdTree用于搜索
    pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>);
    tree->setInputCloud(cloud);

    // 执行半径搜索
    std::vector<int> pointIdxRadiusSearch;
    std::vector<float> pointRadiusSquaredDistance;
    tree->radiusSearch(p, r, pointIdxRadiusSearch, pointRadiusSquaredDistance);

    // 创建点云索引对象，存储聚类结果
    pcl::PointIndices::Ptr inliers(new pcl::PointIndices);
    inliers->indices = pointIdxRadiusSearch;

    // 从点云中提取聚类
    pcl::PointCloud<pcl::PointXYZ>::Ptr cluster(new pcl::PointCloud<pcl::PointXYZ>);
    pcl::ExtractIndices<pcl::PointXYZ> extract;
    extract.setInputCloud(cloud);
    extract.setIndices(inliers);
    extract.setNegative(false); // 设置为false以提取聚类点云
    extract.filter(*cluster);

    // 可视化聚类结果
    pcl::visualization::PCLVisualizer viewer('Cluster viewer');
    int cluster_id = 0;

    // 生成随机颜色
    unsigned char r = rand() % 256;
    unsigned char g = rand() % 256;
    unsigned char b = rand() % 256;

    // 可视化聚类
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cluster_color(cluster, r, g, b);
    viewer.addPointCloud<pcl::PointXYZ>(cluster, cluster_color, 'cluster_' + std::to_string(cluster_id));
    viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, 'cluster_' + std::to_string(cluster_id));
    cluster_id++;

    // 可视化原始点云
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color(cloud, 255, 255, 255);
    viewer.addPointCloud<pcl::PointXYZ>(cloud, cloud_color, 'cloud');
    viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, 'cloud');

    // 显示可视化窗口
    while (!viewer.wasStopped())
    {
        viewer.spinOnce();
    }

    return 0;
}

代码说明

加载点云数据: 首先，使用pcl::io::loadPCDFile函数加载名为'input_cloud.pcd'的点云数据文件。
指定聚类中心点和半径: 定义一个pcl::PointXYZ类型的变量p作为聚类中心点，并设置其x，y，z坐标。定义一个double类型的变量r作为聚类半径。
创建KdTree并执行半径搜索: 使用pcl::search::KdTree创建KdTree结构，并使用radiusSearch函数搜索在指定半径r内，以p为中心的点云数据。
提取聚类结果: 将搜索到的点云索引存储在pcl::PointIndices对象中，并使用pcl::ExtractIndices过滤器提取对应点云数据。
可视化: 使用pcl::visualization::PCLVisualizer类创建可视化窗口，并将原始点云和聚类结果分别使用不同的颜色进行渲染显示。

注意事项

请确保将代码中的'input_cloud.pcd'替换为您自己的点云数据文件路径。
您需要安装PCL库才能编译和运行此代码。

希望这篇博客能够帮助您理解如何使用PCL库实现以指定点为中心、指定半径的点云聚类。如果您有任何问题，请随时在下方留言。