PCL LCCP点云分割

一、简介

与CPC点云分割算法类似，LCCP（Locally Convex Connected Patches）也是一种基于超体素的点云分割算法。它结合了几何特征和拓扑关系，用于在三维点云数据中提取具有语义意义的区域或对象。

1. 超体素生成：首先，点云通过 SupervoxelClustering 被划分成多个超体素。每个超体素代表一个局部区域，具有类似的颜色、空间位置和法向量。这些超体素可以看作点云的预处理步骤，将点云中的点分组为具有相似特性的较大单元，以减少计算复杂度。
2.平面检测：对每个超体素进行平面拟合，估计该超体素所属的平面。平面拟合通常基于法向量信息和点的空间分布。平面拟合后，每个超体素都有一个对应的平面模型（如平面方程）。
3.超体素之间的连接基于它们的平面模型。具体来说，算法会计算相邻超体素之间的几何相似性，包括：（1）法向量夹角：检查两个超体素平面的法向量之间的夹角。如果夹角很小，意味着它们可能属于同一平面；（2）凹性测试：检查两个超体素之间是否存在凹性。如果两个超体素之间形成的结构是凹的，它们可能属于不同的平面或物体。在凹性测试中，如果两个相邻超