PCL1.8.1 分割 - 區域增加

Region growing segmentation

該算法用於擬合點雲中全部的平面。

算法核心：該算法是基於點法線之間角度的比較，企圖將知足平滑約束的相鄰點合併在一塊兒，以一簇點集的形式輸出。每簇點集被認爲是屬於相同平面。

工做原理：區域增加是從有最小曲率值(curvature value)的點開始的。所以，咱們必須計算出全部曲率值，並對它們進行排序。這是由於曲率最小的點位於平坦區域，而從最平坦的區域增加能夠減小區域的總數。如今咱們來具體描述這個過程：

1.點雲中有未標記點，按照點的曲率值對點進行排序，找到最小曲率值點，並把它添加到種子點集；

2.對於每一個種子點，算法都會發現周邊的全部近鄰點。1）計算每一個近鄰點與當前種子點的法線角度差(reg.setSmoothnessThreshold)，若是差值小於設置的閾值，則該近鄰點被重點考慮，進行第二步測試；2）該近鄰點經過了法線角度差檢驗，若是它的曲率小於咱們設定的閾值(reg.setCurvatureThreshold)，這個點就被添加到種子點集，即屬於當前平面。

3.經過兩次檢驗的點，被從原始點雲去除。

4.設置最小點簇的點數min（reg.setMinClusterSize），最大點簇爲max（reg.setMaxClusterSize）。

4.重複1-3步，算法會生成點數在min和max的全部平面，並對不一樣平面標記不一樣顏色加以區分。

5.直到算法在剩餘點中生成的點簇不能知足min，算法中止工做。

http://pointclouds.org/documentation/tutorials/region_growing_segmentation.php#region-growing-segmentation

#include <pcl/segmentation/region_growing.h>
#include <pcl/features/normal_3d.h>
#include <pcl/visualization/cloud_viewer.h>
#include <iostream>
#include <vector>
#include <pcl/point_types.h>
#include <pcl/search/search.h>
#include <pcl/search/kdtree.h>

pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
pcl::PointCloud <pcl::Normal>::Ptr normals (new pcl::PointCloud <pcl::Normal>);

pcl::search::Search<pcl::PointXYZ>::Ptr tree (new pcl::search::KdTree<pcl::PointXYZ>);

pcl::RegionGrowing<pcl::PointXYZ, pcl::Normal> reg;
reg.setMinClusterSize (50);
reg.setMaxClusterSize (1000000);
reg.setSearchMethod (tree);
reg.setNumberOfNeighbours (30);
reg.setInputCloud (cloud);
//reg.setIndices (indices);
reg.setInputNormals (normals);
reg.setSmoothnessThreshold (3.0 / 180.0 * M_PI);
reg.setCurvatureThreshold (1.0);

std::vector <pcl::PointIndices> clusters;
reg.extract (clusters);


//以不一樣顏色顯示擬合的平面
pcl::PointCloud <pcl::PointXYZRGB>::Ptr colored_cloud = reg.getColoredCloud ();
pcl::visualization::CloudViewer viewer ("Cluster viewer");
viewer.showCloud(colored_cloud);
while (!viewer.wasStopped ())
{
}