pcl点云聚类方法

最新推荐文章于 2025-06-21 08:40:32 发布

原创

最新推荐文章于 2025-06-21 08:40:32 发布 · 2.1k 阅读

8 ·

CC 4.0 BY-SA版权

本文介绍了使用欧式聚类方法进行点云分割的步骤。通过创建Kd树对象和点云索引向量cluster_indices，结合PointXYZ类型的点云，设定聚类搜索半径ClusterTolerance、最小聚类大小和最大聚类大小，从而实现点云的聚类。在实践中，需调整ClusterTolerance以确保正确分割目标对象。最后，通过迭代cluster_indices分离出各个聚类的点云数据集。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

<1>欧式聚类分割方法

//为提取点云时使用的搜素对象利用输入点云cloud_filtered创建Kd树对象tree。

 pcl::search::KdTree<pcl::PointXYZ>::Ptr tree (new pcl::search::KdTree<pcl::PointXYZ>);
tree->setInputCloud (cloud_filtered);//创建点云索引向量，用于存储实际的点云信息

首先创建一个Kd树对象作为提取点云时所用的搜索方法，再创建一个点云索引向量cluster_indices，用于存储实际的点云索引信息，每个检测到的点云聚类被保存在这里。请注意： cluster_indices是一个向量，对每个检测到的聚类，它都包含一个索引点的实例，如cluster_indices[0]包含点云中第一个聚类包含的点集的所有索引。

std::vector<pcl::PointIndices> cluster_indices;
pcl::EuclideanClusterExtraction ec;
ec.setClusterTolerance (0.02); //设置近邻搜索的搜索半径为2cm
ec.setMinClusterSize (100);//设置一个聚类需要的最少点数目为100
ec.setMaxClusterSize (25000); //设置一个聚类需要的最大点数目为25000
ec.setSearchMethod (tree);//设置点云的搜索机制
ec.setInputCloud (cloud_filtered);
ec.extract (cluster_indices);//从点云中提取聚类，并将点云索引保存在cluster_indices中

因为点云是PointXYZ类型的，所以这里用点云类型PointXYZ创建一个欧氏聚类对象，并设置提取的参数和变量。注意：设置一个合适的聚类搜索半径ClusterTolerance，如果搜索半径取一个非常小的值，那么一个实际的对象就会被分割为多个聚类；如果将值设置得太高，那么多个对象就会被分割