PCL 使用CPC算法进行点云分割

一、算法原理

1、概述

  CPC方法是Constrained Planar Cuts缩写，与LCCP方法不同，此方法能够将物体分成有意义的块：比如人的肢体等。CPC方法可作为AI的前处理并且不需要额外训练，自底向上地将点云分割成有明确意义部分。算法大致可以分成两个部分：

1. 基于超体聚类的过分割。
2. 在超体聚类的基础上再聚类。

关于超体聚类相关内容见：PCL 基于超体素的点云分割

  和其他基于凹凸性的方法相同，本方法也需要先进行超体聚类。在完成超体聚类之后，采用和LCCP相同的凹凸性盘踞获得各个块之间的凹凸关系。在获得凹凸性之后，CPC方法与LCCP方法所采取的措施是不同的，其操作称为半全局分割。
  在分割之前，首先需要生成EEC（Euclidean edge cloud），EEC的想法比较神奇，因为凹凸性定义在相邻两个“片”上，换言之，定义在相邻两片的edge上。将每个edge抽象成一个点云，则得到了附带凹凸信息的点云。如图所示，