点云分割思路

1.稀疏点云分割（从有组织的激光雷达数据分割地面点）主要函数（segmentGroundFromLidarData）将三维激光雷达数据分割成地面和非地面部分。激光雷达必须水平安装
2.欧氏距离点云聚类分割主要函数（pcsegdist）
采用KD-Tree近邻搜索，将距离小于设定阈值的点云聚类分割成簇；为点云中的每个点分配一个整数簇标签，并返回所有点的标签、集群的数量。

3.简单形态滤波（SMRF）地面分割主要函数（segmentGroundSMRF）
算法分为三个阶段：

涨知识：

1. 高程表面用于定义地图或场景范围内的高度值。对栅格化内容和地面矢量符号的高程源进行定义。
2. Mask掩膜裁剪图像中任意形状的区域（应用图像的位运算）用于部分区域进行图像处理，经常处理遥感图像。

• 将点云数据分割成一段段最小高程表面（将点云数据划分成一个网格，使用gridResolution制定网格尺寸，找出每个网格中zmin,将所有的zmin值合并成一个二维矩阵，构建一个最小高程表面）
• 将表面分割成地面和非地面网格元素
• 难难难
• 原始点云进行分割

4.K均值聚类（kmeans使用欧几里得距离平方度量，划分为k个聚类）
5.DBSCAN（主要函数dbscan）