基于PCA的分割 代码实现思路总结 （C++）

1、原理

算法核心：该算法是基于点法线之间角度的比较，企图将满足平滑约束的相邻点合并在一起，以一簇点集的形式输出。每簇点集被认为是属于相同平面。

基于C++实现过程：

（1）使用PCA计算所有点的法向量及曲率，找到曲率最小对应的点，将其添加到一簇点集中的种子点；

（2）构建存储种子点的容器CurrentPoints、一维数组指针标记flag，均默认为0，在增长判断中标记flag用于判断该点是否进行过区域增长。

（3）选取曲率最小点为初始种子点，并将其flag设置为1，搜索其近邻点，若曲率及法向量均满足条件，且falg=0的点，则将其添加到种子点集中CurrentPoints中。在下次while循环中从CurrentPoints中取出一点，且设置标记flag=1，且从CurrentPoints中剔除该点CurrentPoints.pop_back()，再次搜索近邻点、法向量与曲率判断，获取新的种子点，直至CurrentPoints中不再有点。则一个区域增长过程完成。

（4）对剩下的点重复步骤（3），直至所有点聚类完毕。

小结：区域增长算法效率非常高，但对于法向量估算不准确的地方，则存在模糊性。

下面一段代码为基于欧式距离的区域增长（其涉及到PCL中kdtree近邻点搜索）：

std::vector<std::vector<pcl::PointXYZ>>  EuclideanCluster::EuclideanClusterDis(std::vector<pcl::PointXYZ>