点云物体识别，从场景点云中找出与物体相匹配的点云，用来抓取指定的物体

主要实现了物体识别的流程，包括以下几个步骤：

读取模型点云和场景点云。
计算模型点云和场景点云的法线。
对模型点云和场景点云进行关键点提取。
对模型点云和场景点云计算描述子。
使用KNN搜索算法找到模型点云和场景点云之间的匹配。
使用几何一致性算法对匹配进行聚类。

具体的解释如下：

在第一步，使用pcl::io::loadPCDFile()函数读取模型点云和场景点云。
在第二步，使用pcl::NormalEstimationOMP()函数计算模型点云和场景点云的法线。
在第三步，使用pcl::UniformSampling()函数对模型点云和场景点云进行关键点提取。
在第四步，使用pcl::SHOTEstimationOMP()函数对模型点云和场景点云计算描述子。
在第五步，使用pcl::KdTreeFLANN函数进行KNN搜索，找到模型点云和场景点云之间的匹配。
在第六步，使用pcl::GeometricConsistencyGrouping()函数对匹配进行聚类。
对于第五步，可以使用不同的算法，例如Hough匹配算法和几何一致性算法。这里使用的是几何一致性算法，该算法可以消除误匹配。

对于第六步，聚类算法可以根据不同的需求进行选择。这里使用的是RANSAC算法，该算法可以有效地去除噪声。

在该代码中，还可以根据需要添加一些其他功能，例如：

显示模型点云、场景点云、匹配点云和聚类结果。
计算匹配的准确率。
对不同的参数进行调优，以获得更好的识别效果。

具体的代码实现