PCL点云库学习：点云的欧式聚类

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_40335930/article/details/91982640
初学者笔记：
点云欧式聚类算法流程
（1）点云读入；
（2）体素化下采样（方便处理）；
（3）去离散点；PCL点云库学习笔记（3）：点云的欧式聚类
（4）RANSAC算法检测平面，并剔除平面点云；
（5）欧式聚类；
（6）结果的输出和可视化；

点云数据链接：
链接：https://pan.baidu.com/s/1VTVxn3BntbAr9tGHv6L-HA
提取码：u81q

代码：

#include <vtkAutoInit.h>
VTK_MODULE_INIT(vtkRenderingOpenGL)
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/statistical_outlier_removal.h>
#include <pcl/filters/voxel_grid.h>
#include <pcl/segmentation/extract_clusters.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/segmentation/sac_segmentation.h>
#include <pcl/ModelCoefficients.h>
#include <pcl/filters/extract_indices.h>
#include<ctime>
#include<cstdlib>
#include <windows.h>

using namespace pcl;
using namespace std;
typedef PointXYZ PoinT;

int *rand_rgb(){//随机产生颜色
    int *rgb = new int[3];    
    rgb[0] = rand() % 255;
    rgb[1] = rand() % 255;
    rgb[2] = rand() % 255;
    return rgb;
}
int main(){
    //点云的读取*********************************************************
    PointCloud<PoinT>::Ptr cloud(new PointCloud<PoinT>);
    if (io::loadPCDFile("C:\\Users\\Administrator\\Desktop\\desk.pcd", *cloud) == -1)
    {
        PCL_ERROR("read false");
        return 0;
    }
    //体素化下采样******************************************************
    VoxelGrid<PoinT> vox;
    PointCloud<PoinT>::Ptr vox_cloud(new PointCloud<PoinT>);
    vox.setInputCloud(cloud);
    vox.setLeafSize(0.01, 0.01, 0.01);
    vox.filter(*vox_cloud);
    //去除噪声点********************************************************
    StatisticalOutlierRemoval<PoinT>sor;
    PointCloud<PoinT>::Ptr sor_cloud(new PointCloud<PoinT>);
    sor.setMeanK(10);
    sor.setInputCloud(vox_cloud);
    sor.setStddevMulThresh(0.2);
    sor.filter(*sor_cloud);
    //平面分割(RANSAC)********************************************************
    SACSegmentation<PoinT> sac;
    PointIndices::Ptr inliner(new PointIndices);
    ModelCoefficients::Ptr coefficients(new ModelCoefficients);
    PointCloud<PoinT>::Ptr sac_cloud(new PointCloud<PoinT>);
    sac.setInputCloud(sor_cloud);
    sac.setMethodType(SAC_RANSAC);
    sac.setModelType(SACMODEL_PLANE);
    sac.setMaxIterations(100);
    sac.setDistanceThreshold(0.02);
    //提取平面(展示并输出)******************************************************
    PointCloud<PoinT>::Ptr ext_cloud(new PointCloud<PoinT>);
    PointCloud<PoinT>::Ptr ext_cloud_rest(new PointCloud<PoinT>);
    visualization::PCLVisualizer::Ptr viewer(new visualization::PCLVisualizer("3d view"));

    int i = sor_cloud->size(), j = 0;
    ExtractIndices<PoinT>ext;
    srand((unsigned)time(NULL));//刷新时间的种子节点需要放在循环体外面
    while (sor_cloud->size()>i*0.3)//当提取的点数小于总数的3/10时，跳出循环
    {
        ext.setInputCloud(sor_cloud);
        sac.segment(*inliner, *coefficients);
        if (inliner->indices.size()==0)
        {
            break;
        }
        //按照索引提取点云*************
        ext.setIndices(inliner);
        ext.setNegative(false);
        ext.filter(*ext_cloud);
        ext.setNegative(true);
        ext.filter(*ext_cloud_rest);
        //*****************************
        *sor_cloud = *ext_cloud_rest;
        stringstream ss;
        ss <<"C:\\Users\\Administrator\\Desktop\\"<<"ext_plane_clouds" << j << ".pcd";//路径加文件名和后缀
        io::savePCDFileASCII(ss.str(), *ext_cloud);//提取的平面点云写出
        int *rgb = rand_rgb();//随机生成0-255的颜色值
        visualization::PointCloudColorHandlerCustom<PoinT>rgb1(ext_cloud,rgb[0],rgb[1],rgb[2]);//提取的平面不同彩色展示
        delete[]rgb;
        viewer->addPointCloud(ext_cloud, rgb1,ss.str());
        j++;
    }
    viewer->spinOnce(1000);
    //欧式聚类*******************************************************
    vector<PointIndices>ece_inlier;
    search::KdTree<PoinT>::Ptr tree(new search::KdTree<PoinT>);
    EuclideanClusterExtraction<PoinT> ece;
    ece.setInputCloud(sor_cloud);
    ece.setClusterTolerance(0.02);
    ece.setMinClusterSize(100);
    ece.setMaxClusterSize(20000);
    ece.setSearchMethod(tree);
    ece.extract(ece_inlier);
    //聚类结果展示***************************************************
    ext.setInputCloud(sor_cloud);
    visualization::PCLVisualizer::Ptr viewer2(new visualization::PCLVisualizer("Result of EuclideanCluster"));
    srand((unsigned)time(NULL));
    for (int i = 0; i < ece_inlier.size();i++)
    {
        PointCloud<PoinT>::Ptr cloud_copy(new PointCloud<PoinT>);
        vector<int> ece_inlier_ext = ece_inlier[i].indices;
        copyPointCloud(*sor_cloud, ece_inlier_ext, *cloud_copy);//按照索引提取点云数据
        stringstream ss1;
        ss1 <<"C:\\Users\\Administrator\\Desktop\\"<< "EuclideanCluster_clouds" << j<<".pcd";
        io::savePCDFileASCII(ss1.str(), *ext_cloud);//欧式聚类结果写出
        int *rgb1 = rand_rgb();
        visualization::PointCloudColorHandlerCustom<PoinT>rgb2(ext_cloud, rgb1[0], rgb1[1], rgb1[2]);
        delete[]rgb1;
        viewer2->addPointCloud(cloud_copy, rgb2,ss1.str());
        j++;
    }
    viewer2->spin();
    return 0;
}

可视化结果展示：
提取的平面（颜色随机）：
欧式聚类的结果（颜色随机）：

写出的点云数据（平面2个，欧式聚类结果5个）：

遇到过error C4996: 'pcl::SAC_SAMPLE_SIZE’编译错误的问题
解决方法参考链接：https://blog.csdn.net/lizhengze1117/article/details/86565100

#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/statistical_outlier_removal.h>
#include <pcl/filters/voxel_grid.h>
#include <pcl/segmentation/extract_clusters.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/segmentation/sac_segmentation.h>
#include <pcl/ModelCoefficients.h>
#include <pcl/filters/extract_indices.h>
#include<ctime>
#include<cstdlib>
#include <windows.h>

using namespace pcl;
using namespace std;
typedef PointXYZ PoinT;

int main(){
    //点云的读取*********************************************************
    PointCloud<PoinT>::Ptr cloud(new PointCloud<PoinT>);
    if (io::loadPCDFile("C:\\Users\\admin\\Desktop\\保留的结果.pcd", *cloud) == -1)
    {
        PCL_ERROR("read false");
        return 0;
    }
    //欧式聚类*******************************************************
    vector<PointIndices>ece_inlier;
    search::KdTree<PoinT>::Ptr tree(new search::KdTree<PoinT>);
    EuclideanClusterExtraction<PoinT> ece;
    ece.setInputCloud(cloud);
    ece.setClusterTolerance(1);
    ece.setMinClusterSize(100);
    ece.setMaxClusterSize(20000000000000);
    ece.setSearchMethod(tree);
    ece.extract(ece_inlier);
    //聚类结果展示***************************************************
    PointCloud<PoinT>::Ptr ext_cloud(new PointCloud<PoinT>);
    ExtractIndices<PoinT>ext;
    ext.setInputCloud(cloud);
    visualization::PCLVisualizer::Ptr viewer2(new visualization::PCLVisualizer("Result of EuclideanCluster"));
    srand((unsigned)time(NULL));
    int j = 0;
    vector<unsigned char>color;
    for (int i_segment = 0; i_segment < ece_inlier.size(); i_segment++)
    {
        color.push_back(static_cast<unsigned char>(rand() % 256));
        color.push_back(static_cast<unsigned char>(rand() % 256));
        color.push_back(static_cast<unsigned char>(rand() % 256));
    }
    int color_index = 0;
    PointCloud<PointXYZRGB>::Ptr color_point(new PointCloud<PointXYZRGB>);
    for (int i_seg = 0; i_seg < ece_inlier.size(); i_seg++)
    {
        int clusters_size = ece_inlier[i_seg].indices.size();
        for (int i_idx = 0; i_idx < clusters_size; i_idx++)
        {
            PointXYZRGB point;
            point.x = cloud->points[ece_inlier[i_seg].indices[i_idx]].x;
            point.y = cloud->points[ece_inlier[i_seg].indices[i_idx]].y;
            point.z = cloud->points[ece_inlier[i_seg].indices[i_idx]].z;
            point.r = color[3 * color_index];
            point.g = color[3 * color_index + 1];
            point.b = color[3 * color_index + 2];
            color_point->push_back(point);
        }
        color_index++;
    }
    viewer2->addPointCloud(color_point);
    viewer2->spin();
    return 0;
}

————————————————
版权声明：本文为CSDN博主「起个名字费劲死了」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_40335930/article/details/91982640