基于pcl库以点x1y1z1为中心点进行聚类的c++算法

以下是基于pcl库的C++算法，以点（x1，y1，z1）为中心点进行聚类：

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/segmentation/region_growing.h>

int main()
{
    // 加载点云数据
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    if (pcl::io::loadPCDFile<pcl::PointXYZ>("input_cloud.pcd", *cloud) == -1)
    {
        PCL_ERROR("Couldn't read input file.\n");
        return -1;
    }

    // 设置聚类算法参数
    pcl::search::Search<pcl::PointXYZ>::Ptr tree = boost::shared_ptr<pcl::search::Search<pcl::PointXYZ>>(new pcl::search::KdTree<pcl::PointXYZ>);
    pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);
    pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> normal_estimator;
    normal_estimator.setSearchMethod(tree);
    normal_estimator.setInputCloud(cloud);
    normal_estimator.setKSearch(50);
    normal_estimator.compute(*normals);

    pcl::IndicesPtr indices(new std::vector<int>);
    pcl::PassThrough<pcl::PointXYZ> pass;
    pass.setInputCloud(cloud);
    pass.setFilterFieldName("z");
    pass.setFilterLimits(0.0, 1.0);
    pass.filter(*indices);

    pcl::RegionGrowing<pcl::PointXYZ, pcl::Normal> reg;
    reg.setMinClusterSize(50);
    reg.setMaxClusterSize(1000000);
    reg.setSearchMethod(tree);
    reg.setNumberOfNeighbours(30);
    reg.setInputCloud(cloud);
    reg.setInputNormals(normals);
    reg.setIndices(indices);
    reg.setSmoothnessThreshold(3.0 / 180.0 * M_PI);
    reg.setCurvatureThreshold(1.0);

    // 设置中心点
    pcl::PointXYZ center_point(x1, y1, z1);

    // 执行聚类
    std::vector<pcl::PointIndices> clusters;
    reg.segmentFromPoint(center_point, clusters);

    // 显示聚类结果
    int cluster_index = 1;
    for (std::vector<pcl::PointIndices>::const_iterator it = clusters.begin(); it != clusters.end(); ++it)
    {
        pcl::PointCloud<pcl::PointXYZ>::Ptr cluster_cloud(new pcl::PointCloud<pcl::PointXYZ>);
        for (std::vector<int>::const_iterator pit = it->indices.begin(); pit != it->indices.end(); ++pit)
            cluster_cloud->points.push_back(cloud->points[*pit]);
        cluster_cloud->width = cluster_cloud->points.size();
        cluster_cloud->height = 1;
        cluster_cloud->is_dense = true;

        std::cout << "Cluster " << cluster_index << " has " << cluster_cloud->points.size() << " points." << std::endl;
        ++cluster_index;
    }

    return 0;
}

请注意，上述代码中的input_cloud.pcd是输入的点云文件名，你需要将其替换为你自己的点云文件。另外，你还需要提供点（x1，y1，z1）作为中心点的坐标。聚类结果将打印到控制台上，包括每个聚类的点数。你可以根据自己的需求对聚类算法参数进行调整。