Python 点云密度聚类（DBSCAN算法）

一、介绍

  点云密度聚类（DBSCAN，Density-Based Spatial Clustering of Applications with Noise）是一种基于密度的聚类算法。该算法不需要提前设定聚类的个数，能自动从输入的点云数据中发现不同形状和大小的簇，并返回每个点的簇标签。而且还能够识别异常点。

  聚类核心思想：通过定义两个参数：邻域半径（eps）和最小点数（min_points），来判断数据点之间的密度关系，以控制聚类的效果。具体步骤如下：

• 选择一个未被访问的数据点，并找到其邻域内的所有数据点。
• 如果邻域内的数据点的数量小于最小点数MinPts，则标记该数据点为噪声点。
• 如果邻域内的数据点的数量大于等于最小点数MinPts，则将该数据点和其邻域内的所有数据点划分为一个新的簇。
• 对于新簇内的数据点，依次判断其邻域内的数据点是否满足邻域内的数据点数量大于等于最小点数MinPts的条件，如果满足，则将邻域内的数据点加入到当前簇中。
• 重复步骤4，直到当前簇内的所有数据点都不能再找到满足条件的邻域内的数据点。
• 重复步骤1-5，直到所有的数据点都被访问过。

二、代码示例