PCL欧式聚类效果显示

功能：欧式聚类根据欧式距离进行聚类
缺点：两类物体间有时点云有连接，并且连接处点云密度与物体密度相似，会导致聚类失败

#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>


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;
}

void CreateCloudFromTxt(const std::string& file_path, pcl::PointCloud<pcl::PointXYZ>::Ptr cloud)
{
	std::ifstream file(file_path.c_str());//c_str()：生成一个const char*指针，指向以空字符终止的数组。
	std::string line;
	pcl::PointXYZ point;
	while (getline(file, line)) {//用到x，y,z
		std::stringstream ss(line);
		ss >> point.x;
		ss >> point.y;
		ss >> point.z;

		cloud->push_back(point);
	}
	file.close();
}



int main(){
	//------------------程序运行时间---------------------------//
	clock_t start, end;
	start = clock();
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);

	
	clock_t start1, end1;
	start1 = clock();
	CreateCloudFromTxt("ccc6.asc", cloud);
	end1 = clock();
	cout << "读入文件程序运行时间： " << (double)(end1 - start1) << " ms" << endl;
	


	pcl::StatisticalOutlierRemoval<pcl::PointXYZ>sor;  //离群点移除
	pcl::PointCloud<pcl::PointXYZ>::Ptr sor_cloud(new pcl::PointCloud<pcl::PointXYZ>);
	sor.setMeanK(10);            //对每个点分析的邻近点个数设为10
	sor.setInputCloud(cloud);
	sor.setStddevMulThresh(1);   //标准差倍数设为1，一个点的最近邻距离超过全局平均距离的一个标准差以上，就会舍弃
	sor.filter(*sor_cloud);

	int j = 0;
	//---------------------欧式聚类---------------------------//
	std::vector<pcl::PointIndices>ece_inlier;
	pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>);
	pcl::EuclideanClusterExtraction<pcl::PointXYZ> ece;
	ece.setInputCloud(sor_cloud);
	ece.setClusterTolerance(2);     //设置近邻搜索的搜索半径为2cm
	ece.setMinClusterSize(500);
	ece.setMaxClusterSize(200000);   //设置一个聚类需要的最大点数目
	ece.setSearchMethod(tree);      //设置点云的搜索机制
	ece.extract(ece_inlier);

	//-------------------聚类结果显示-------------------------//
	//ext.setInputCloud(sor_cloud);
	pcl::visualization::PCLVisualizer::Ptr viewer2(new pcl::visualization::PCLVisualizer("Result of EuclideanCluster"));
	srand((unsigned)time(NULL));

	//程序结束时间*********
	end = clock();
	cout << "程序运行时间： " << (double)(end - start) << " ms" << endl;

	for (int i = 0; i < ece_inlier.size(); ++i)
	{
		pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_copy(new pcl::PointCloud<pcl::PointXYZ>);
		std::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
		std::stringstream ss1;
		ss1 << "C:\\Users\\66666\\Desktop\\11\\5\\" << "EuclideanCluster_clouds" << j << ".pcd";
		pcl::io::savePCDFileASCII(ss1.str(), *cloud_copy);//欧式聚类结果写出
		int *rgb1 = rand_rgb();
		pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ>rgb2(cloud_copy, rgb1[0], rgb1[1], rgb1[2]);
		delete[]rgb1;
		viewer2->addPointCloud(cloud_copy, rgb2, ss1.str());
		j++;
	}
	viewer2->spin();


	return 0;
}

效果图