python实现快速欧式聚类FEC:fast-euclidean-clustering

最新推荐文章于 2024-08-14 12:00:04 发布

cooniop

最新推荐文章于 2024-08-14 12:00:04 发布

阅读量1.1k

点赞数 1

文章标签：聚类 python 数据挖掘

本文链接：https://blog.csdn.net/weixin_44388624/article/details/127859322

版权

本文介绍了快速欧式聚类（FEC）的概念，它针对传统欧式聚类的效率问题进行了优化，尤其适用于点云分割。引用了Cao等人2022年的论文，探讨了FEC如何提升聚类速度。

摘要由CSDN通过智能技术生成

前言

欧式聚类因重复计算导致效率较低，快速欧式聚类有效提高效率。
参考论文：Cao Y, Wang Y, Xue Y, et al. FEC: Fast Euclidean Clustering for Point Cloud Segmentation[J]. Drones, 2022, 6(11): 325.

快速欧式聚类

import time
import numpy
import open3d as o3d
import numpy as np
import matplotlib.pyplot as plt
import warnings
warnings.simplefilter(action='ignore', category=FutureWarning)


class PointIndex_NumberTag(object):
    def __init__(self):
        self.nPointIndex = 0.0
        self.nNumberTag = 0.0

    class Struct(object):
        def __init__(self, nPointIndex, nNumberTag):
            self.nPointIndex = nPointIndex
            self.nNumberTag = nNumberTag

def main():
    # 通过pcl.load加载pcd文件
    min_component_size = 100
    tolorance = 0.5
    max_n = 50

    start = time.perf_counter()
    cloud = o3d.io.read_point_cloud("../data/street.ply")
    cloud_tree = o3d.geometry.KDTreeFlann(cloud)
    point = numpy.asarray(cloud.points)
    size = len(point)
    marked_indices = [0] * size

    if size < min_component_size:
        raise("Could not find any cluster")
    else