PCL点云处理之欧氏聚类(八)

PCL点云处理之欧几里得聚类

  • 聚类原理
  • 个人理解
  • 实验代码
  • 聚类效果

聚类原理

(1)找到空间中某点p10,有kdTree找到离他最近的n个点,判断这n个点到p的距离。将距离小于阈值r的点p12,p13,p14…放在类Q里
(2)在 Q去除p10的区间里找到一点p12,重复1
(3)在 Q去除p10,p12 找到一点,重复1,找到p22,p23,p24…全部放进Q里
(4)当 Q 再也不能有新点加入了,则完成搜索了

个人理解

只根据距离聚类,且对聚类起始点无要求,通常称聚类
根据距离聚类,且对聚类起始点有一定要求的,通常称区域生长
根据多种条件约束聚类,且对聚类起始点有一定要求的,通常称多特征约束生长
论文中对于多特征约束生长使用较多,通过改变起始点的选择方法和生长时的约束条件作为创新,
在图像处理邻域该聚类方法又叫做连通性分析,不过图像opencv中使用的是像素之间的二维水平距离,点云pcl库使用的是点与点之间的三维空间距离。

实验代码

只需改变文件读取写出的路径,直接复制黏贴即可使用,这里主要是分批赋色输出多个pcd文件,其他都是pcl模块直接调用即可


你可能感兴趣的:(PCL点云处理学习,点云分类,计算机视觉,c++,算法,kmeans)