基于pcl库以已知点p为起点的kmean聚类的c++代码

以下是一个基于PCL库的C++代码示例，用于实现基于已知点p为起点的K-means聚类：

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/features/normal_3d.h>
#include <pcl/kdtree/kdtree_flann.h>
#include <pcl/segmentation/extract_clusters.h>
#include <pcl/visualization/cloud_viewer.h>

int main(int argc, char** argv)
{
    // 加载点云数据
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    pcl::PCDReader reader;
    reader.read<pcl::PointXYZ>("input_cloud.pcd", *cloud);

    // 创建法线估计对象
    pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne;
    ne.setInputCloud(cloud);

    // 创建一个空的kdtree对象，并把它传递给法线估计对象
    pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>());
    ne.setSearchMethod(tree);

    // 容器存储输出的法线
    pcl::PointCloud<pcl::Normal>::Ptr cloud_normals(new pcl::PointCloud<pcl::Normal>);

    // 估计法线
    ne.setKSearch(10); // 设置k近邻搜索的数量
    ne.compute(*cloud_normals);

    // 创建一个空的kd树对象，并把它传递给聚类对象
    pcl::search::KdTree<pcl::PointXYZ>::Ptr kdtree(new pcl::search::KdTree<pcl::PointXYZ>());

    // 创建一个向量存储点云索引
    std::vector<pcl::PointIndices> cluster_indices;

    // 创建欧氏聚类对象
    pcl::EuclideanClusterExtraction<pcl::PointXYZ> ec;
    ec.setClusterTolerance(0.02); // 设置聚类的容差
    ec.setMinClusterSize(100); // 设置聚类的最小点数
    ec.setMaxClusterSize(25000); // 设置聚类的最大点数
    ec.setSearchMethod(kdtree);
    ec.setInputCloud(cloud);
    ec.setIndices(cloud_normals);

    // 执行聚类
    ec.extract(cluster_indices);

    // 创建可视化对象
    pcl::visualization::PCLVisualizer viewer("Cluster viewer");

    // 设置背景颜色
    viewer.setBackgroundColor(0, 0, 0);

    // 设置点云颜色
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> single_color(cloud, 0, 255, 0);
    viewer.addPointCloud<pcl::PointXYZ>(cloud, single_color, "input_cloud");

    // 遍历所有聚类
    int cluster_id = 0;
    for (std::vector<pcl::PointIndices>::const_iterator it = cluster_indices.begin(); it != cluster_indices.end(); ++it)
    {
        // 创建一个新的点云数据对象，用于存储当前聚类的点云数据
        pcl::PointCloud<pcl::PointXYZ>::Ptr cluster_cloud(new pcl::PointCloud<pcl::PointXYZ>);

        // 遍历当前聚类的所有点
        for (std::vector<int>::const_iterator pit = it->indices.begin(); pit != it->indices.end(); ++pit)
        {
            // 将当前点添加到聚类点云数据对象中
            cluster_cloud->points.push_back(cloud->points[*pit]);
        }

        // 设置聚类点云数据对象的属性
        cluster_cloud->width = cluster_cloud->points.size();
        cluster_cloud->height = 1;
        cluster_cloud->is_dense = true;

        // 设置聚类点云数据对象的颜色
        pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cluster_color(cluster_cloud, rand() % 255, rand() % 255, rand() % 255);
        std::string cluster_name = "cluster_" + std::to_string(cluster_id);
        viewer.addPointCloud<pcl::PointXYZ>(cluster_cloud, cluster_color, cluster_name);

        // 显示当前聚类的点云数据对象
        viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, cluster_name);

        // 增加聚类ID
        cluster_id++;
    }

    // 显示点云数据
    while (!viewer.wasStopped())
    {
        viewer.spinOnce();
    }

    return 0;
}

请注意，此代码假设您已经安装了PCL库，并且将输入点云数据保存在名为"input_cloud.pcd"的文件中。您还可以根据需要调整聚类的参数，例如聚类的容差、最小点数和最大点数。