基于181pcl库写一段以已知点p为聚类中心半径为r的聚类算法的c++代码

以下是基于1.8.1版本的PCL库编写的以已知点p为聚类中心，半径为r的聚类算法的C++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);

    // 创建聚类提取对象
    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(0.1); // 设置聚类的半径
    ec.setMinClusterSize(50);  // 设置聚类的最小点数
    ec.setMaxClusterSize(1000);  // 设置聚类的最大点数
    ec.setSearchMethod(tree);
    ec.setInputCloud(cloud);
    ec.extract(cluster_indices);

    // 可视化聚类结果
    pcl::visualization::PCLVisualizer viewer("Cluster viewer");
    int cluster_id = 0;
    for (const auto& indices : cluster_indices)
    {
        pcl::PointCloud<pcl::PointXYZ>::Ptr cluster(new pcl::PointCloud<pcl::PointXYZ>);
        for (const auto& index : indices.indices)
        {
            cluster->points.push_back(cloud->points[index]);
        }
        cluster->width = cluster->points.size();
        cluster->height = 1;
        cluster->is_dense = true;

        // 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;
}

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，并安装正确版本的PCL库。此代码将加载点云数据，使用欧几里得聚类算法提取聚类，并使用PCL可视化模块将聚类结果可视化显示出来。