C++ 欧式聚类代码示例：以点为起点进行聚类

这段代码假设了clouds和yemm已经初始化完成，并且在main()函数中进行了聚类。聚类过程中，使用了euclideanClustering()函数进行欧式聚类，其中cloud为需要聚类的点云，centroid为起点，radius为聚类的半径。聚类的结果存储在yemm中。\n\ncpp\n#include <pcl/point_cloud.h>\n#include <pcl/point_types.h>\n#include <pcl/kdtree/kdtree_flann.h>\n#include <pcl/segmentation/extract_clusters.h>\n\nvoid euclideanClustering(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud, pcl::PointXYZ centroid, double radius)\n{\n pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>);\n tree->setInputCloud(cloud);\n\n std::vector<pcl::PointIndices> clusterIndices;\n pcl::EuclideanClusterExtraction<pcl::PointXYZ> ec;\n ec.setClusterTolerance(radius);\n ec.setMinClusterSize(1);\n ec.setMaxClusterSize(100000);\n ec.setSearchMethod(tree);\n ec.setInputCloud(cloud);\n ec.extract(clusterIndices);\n\n for (const auto& indices : clusterIndices)\n {\n pcl::PointCloud<pcl::PointXYZ>::Ptr cluster(new pcl::PointCloud<pcl::PointXYZ>);\n for (const auto& index : indices.indices)\n {\n cluster->push_back(cloud->points[index]);\n }\n yemm.push_back(cluster);\n }\n}\n\nint main()\n{\n std::vector<pcl::PointCloud<pcl::PointXYZ>::Ptr> clouds; // Vector of point clouds\n std::vector<pcl::PointCloud<pcl::PointXYZ>::Ptr> yemm; // Vector of clusters\n\n // Assuming clouds and yenn are already initialized\n\n double r = 0.1; // Radius for clustering\n\n for (size_t i = 0; i < clouds.size(); i++)\n {\n for (size_t j = 0; j < clouds[i]->size(); j++)\n {\n pcl::PointXYZ centroid1;\n centroid1.x = clouds[i]->points[j].x;\n centroid1.y = clouds[i]->points[j].y;\n centroid1.z = clouds[i]->points[j].z;\n\n pcl::PointCloud<pcl::PointXYZ>::Ptr yq(new pcl::PointCloud<pcl::PointXYZ>);\n euclideanClustering(yq, centroid1, r);\n } \n }\n\n return 0;\n}\n\n\n该代码使用了pcl::EuclideanClusterExtraction类进行欧式聚类，并根据半径radius将点云划分成多个簇，最终将每个簇的点云指针存储在yemm容器中。\n\n代码说明:\n\n* euclideanClustering()函数接受三个参数：cloud为需要聚类的点云，centroid为起点，radius为聚类的半径。\n* 该函数创建了一个KdTree对象，并将其设置为EuclideanClusterExtraction对象的搜索方法。\n* EuclideanClusterExtraction对象根据radius、minClusterSize、maxClusterSize等参数进行聚类，并将每个簇的点索引存储在clusterIndices容器中。\n* 最后，代码遍历clusterIndices容器，将每个簇的点云指针存储在yemm容器中。\n\n使用说明:\n\n1. 在使用代码之前，需要将clouds和yemm容器初始化，并将待聚类的点云数据存储在clouds容器中。\n2. 调整radius参数，以控制聚类的半径。\n3. 代码中的main()函数会循环遍历所有点云数据，以每个点为起点进行欧式聚类，并将结果存储在yemm容器中。\n\n代码示例:\n\ncpp\n// 初始化点云数据\nstd::vector<pcl::PointCloud<pcl::PointXYZ>::Ptr> clouds; \nclouds.push_back(new pcl::PointCloud<pcl::PointXYZ>); \n// ... 初始化其他点云数据 ...\n\n// 调用聚类函数\nstd::vector<pcl::PointCloud<pcl::PointXYZ>::Ptr> yemm; \n// ... 其他代码 ...\n\n// 聚类后的结果存储在 yemm 容器中\n// ... 处理 yemm 容器中的数据 ...\n\n\n注意:\n\n* 该代码示例仅供参考，实际应用中可能需要根据具体情况进行调整。\n* 在实际使用中，需要根据数据特点选择合适的聚类半径和最小/最大簇大小。\n* 可以通过设置不同的参数来调整聚类结果。\n\n希望该代码示例对您有所帮助。