基于pcl以确定点p为起点半径r进行欧式聚类的c++代码

以下是基于PCL库的C++代码，用于确定点P为起点，以半径R进行欧式聚类：

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

    // 创建欧式聚类对象
    pcl::EuclideanClusterExtraction<pcl::PointXYZ> ec;
    ec.setClusterTolerance(0.02); // 设置聚类的容差（半径）
    ec.setMinClusterSize(100); // 设置最小聚类大小
    ec.setMaxClusterSize(25000); // 设置最大聚类大小

    // 设置点云输入
    ec.setInputCloud(cloud);

    // 创建索引向量，保存点云聚类的索引
    std::vector<pcl::PointIndices> cluster_indices;

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

    // 输出聚类结果
    int cluster_id = 0;
    for (std::vector<pcl::PointIndices>::const_iterator it = cluster_indices.begin(); it != cluster_indices.end(); ++it)
    {
        // 创建输出点云对象
        pcl::PointCloud<pcl::PointXYZ>::Ptr cluster(new pcl::PointCloud<pcl::PointXYZ>);

        // 提取聚类点云
        pcl::ExtractIndices<pcl::PointXYZ> extract;
        extract.setInputCloud(cloud);
        extract.setIndices(boost::make_shared<const pcl::PointIndices>(*it));
        extract.setNegative(false);
        extract.filter(*cluster);

        // 输出聚类点云信息
        std::cout << "Cluster " << cluster_id << " contains " << cluster->size() << " points." << std::endl;
        for (pcl::PointCloud<pcl::PointXYZ>::const_iterator pit = cluster->begin(); pit != cluster->end(); ++pit)
        {
            std::cout << "    (" << pit->x << ", " << pit->y << ", " << pit->z << ")" << std::endl;
        }

        cluster_id++;
    }

    return 0;
}

请注意，上述代码假定输入点云文件为input_cloud.pcd，其中包含pcl::PointXYZ类型的点。您需要将代码中的文件名和点类型更改为适合您的实际情况。此外，您还可以根据需要调整聚类的参数，例如聚类容差、最小/最大聚类大小等。