基于pcl库以已知点p为起点的kmean聚类实现单个聚类的c++代码

以下是基于pcl库实现单个聚类的C++代码：

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

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

    // 创建kd树对象
    pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>);
    tree->setInputCloud(cloud);

    // 估计法线
    pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);
    pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> normalEstimation;
    normalEstimation.setInputCloud(cloud);
    normalEstimation.setSearchMethod(tree);
    normalEstimation.setKSearch(10);
    normalEstimation.compute(*normals);

    // 创建分割对象
    pcl::EuclideanClusterExtraction<pcl::PointXYZ> euclideanCluster;
    euclideanCluster.setClusterTolerance(0.02); // 设置聚类的距离阈值
    euclideanCluster.setMinClusterSize(100); // 设置聚类的最小点数
    euclideanCluster.setMaxClusterSize(25000); // 设置聚类的最大点数
    euclideanCluster.setSearchMethod(tree);
    euclideanCluster.setInputCloud(cloud);
    euclideanCluster.setInputNormals(normals);

    // 执行聚类
    std::vector<pcl::PointIndices> clusterIndices;
    euclideanCluster.extract(clusterIndices);

    // 输出聚类结果
    for (std::vector<pcl::PointIndices>::const_iterator it = clusterIndices.begin(); it != clusterIndices.end(); ++it)
    {
        for (std::vector<int>::const_iterator pit = it->indices.begin(); pit != it->indices.end(); ++pit)
        {
            std::cout << "Point: " << cloud->points[*pit].x << " " << cloud->points[*pit].y << " " << cloud->points[*pit].z << std::endl;
        }
        std::cout << "-----------------------" << std::endl;
    }

    return 0;
}

请注意，上述代码假设您已经有一个名为input_cloud.pcd的输入点云文件，其中包含您的点云数据。您需要将文件路径更改为实际的点云文件路径。

此代码中的setClusterTolerance、setMinClusterSize和setMaxClusterSize函数用于设置聚类的距离阈值、最小点数和最大点数。您可以根据需要进行调整。

此代码还使用了NormalEstimation类来估计点云的法线。如果您的输入点云已经包含法线信息，则可以跳过此步骤。

最后，代码会输出每个聚类的点坐标，并在每个聚类之间打印分隔线。