之前使用區域增長演算法將點雲檔案聚類後，聚類的面通過索引就可以輸出，但是想既要聚類的面，也要聚類剩餘的點，搜遍了沒有這方面的資料，國內網上聚類方面的資料都是抄抄pcl學習教程，都是輸出聚類麵就完事了。遂決定，自己寫乙個，輸出聚類後剩餘的點雲。
主要方法是使用kd-tree來比較聚類完所有的聚類麵與原點雲檔案，通過比較點距來判斷是否是剩餘點
第二種方法是使用八叉樹來做，先寫第一種方法，有時間更新八叉樹。
話不多說，完成這個需要先將所有聚類的面整合在一起輸出成乙個pcd
//當聚類完後，提取聚類點的索引這一步相信都會關鍵**：
pcl::聚類演算法不同這裡也不同yy;
std::vectorxx;
yy.extract(xx);//提取點索引
//輸出所有聚類麵
pcl::pointcloud::ptr cloudout(new pcl::pointcloud);//存在cloudout裡
std::out<<"複製後"//存放a,b點雲的**塊
pcl::pointcloud::ptr acloud(new pcl::pointcloud);
if (pcl::io::loadpcdfile("a.pcd", *acloud) == -1)
int apoints = (int)acloud->points.size();
int bpoints = (int)bcloud->points.size();
std::vectorla(apoints, 0);
std::vectorlb(bpoints, 0);
std::vectorla; la.clear();
std::vectorlb; lb.clear();
for (int i = 0; i < apoints; ++i)
}}
點雲庫pcl教程，第6章八叉樹
第131頁
PCL點雲歐式聚類
pcl庫里有pcl euclideanclusterextraction函式，可以提取點雲的歐式聚類，把每個點簇的索引存到vector裡。threshold 歐式聚類的最小距離閾值 minclustersize 點簇的最小數目 maxclustersize 點簇的最大數目下面 裡的cluster i...
PCL點雲庫 歐式聚類分割
pcl euclideanclusterextraction是基於歐式距離提取集群的方法，僅依據距離，將小於距離閾值的點雲作為乙個集群。具體的實現方法大致是 1 找到空間中某點p10，由kdtree找到離他最近的n個點，判斷這n個點到p的距離 2 將距離小於閾值r的點p12 p13 p14 放在類q...
點雲學習 3 2 聚類演算法之譜聚類
譜聚類推導過程較為繁瑣，本文不作介紹，重點在於使用python語言實現演算法。譜聚類步驟 1.建無向圖，獲取鄰接矩陣w 對稱矩陣 2.計算拉普拉斯矩陣l l d w,其中d為對角陣，每個元素為w在該行求和 3.對l進行特徵分解，獲取最小的k個特徵值對應的特徵向量 4.將k個特徵向量構造成矩陣v 5....