Open3D 点云DBSCAN密度聚类并保存聚类结果

一、算法原理

1、密度聚类

  密度聚类是将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。
  DBSCAN是一种典型的密度聚类算法，它使用两个参数来描述样本的紧密程度，其一是邻域半径，用来描述当前点的邻域距离阈值；其二是点的个数，用来描述在邻域范围内数据点的最小个数。
从原理出发还需要了解几个基本概念：

• 核心对象：对于空间任一点P，如果其邻域内至少包含k个样本点，则P是核心对象；
• 密度直达：如果点Q位于点P的邻域内，且P是核心对象，则Q由P密度直达；
• 密度可达：如果在样本序列中P1，P2，P3，P2由P1密度直达，P3由P2密度直达，则P3由P1密度可达；
• 密度直连：对于空间点P和Q，如果存在核心对象T使得P和Q均由T密度可达，则称P和Q密度相连；

   如下图所示，当邻域半径eps = 4，min_points = 3时&#x