点云的区域增长分割算法（Region Growing Segmentation for Point Cloud）

参考页面：https://pcl.readthedocs.io/projects/tutorials/en/master/region_growing_segmentation.html

区域增长分割（Region growing segmentation）

• 在本教程中，我们将学习如何使用在pcl::RegionGrowing 类中实现的区域增长算法。这个算法的目的是 合并在平滑度约束方面足够接近 的点。
• 因此，该算法的输出是一组簇，其中每个簇是一组 被视为同一平滑曲面的一部分 的点。该算法是基于点法线之间的角度比较。

理论基础（Theoretical Primer）

• 首先，它根据曲率值对点进行排序。这里需要这样做，是因为该区域从具有最小曲率值的点开始生长。这样做的原因是曲率最小的点位于平坦区域（从最平坦区域增长可以减少段的总数）。
• 然后我们得到了排序后的点云。直到点云中没有未标记的点为止，该算法提取曲率值最小的点并开始区域增长。此过程如下所示：
  • 选取的点将添加到称为“种子”的集合中；
  • 对于每一个种子点，算法会寻找它的邻接点：
    • 计算每个邻接的法线与当前种子点法线之间的角度。如果角度小于阈值，则将当前点添加到当前区域；
    • 之后，对每个邻居计算曲率值。如果曲率小于阈值，则该点将添加到种子。
    • 当前种子将从种子集合中移除。
  • 如果种子集变为空，这意味着算法已经扩大了区域，并且从一开始就重复该过程。
  • 可以在下面找到上述算法的伪代码：
    输 入 ： 点 云 = { P } 点 法 向 量 = { N } 点 曲 率 = { c } 寻 找 邻 域 函 数   Ω ( . ) 曲 率 阈 值   c t h 角 度 阈 值   θ t h 初 始 化 ： 区 域 列 表   R ← ∅ 可 获 取 点 的 列 表   { A } ← { 1 , . . . , ∣ P ∣ } 算 法 ： W h i l e   { A }   i s   n o t   e m p t y   d o 当 前 区 域   { R c } ← ∅ 当 前 种 子 集 合   { S c } ← ∅ { A } 中 最 小 曲 率 的 点 → P m i n { S c } ← { S c } ∪ P m i n { R c } ← { R c } ∪ P m i n { A } ← { A } ∖ P m i n f o r   i = 0   t o   s i z e   ( { S c } ) d o 找 在 当 前 种 子 点 中 的 最 近 邻 接 点 { B c } ← Ω ( S c { i } )