PCL分割——区域生长聚簇

基于法向量夹角的区域生长聚簇

通过比较点之间法向量的夹角大小来判断点之间是否处于同一曲面，从而判断点之间是否聚簇。

算法流程

1️⃣ 初始化种子点
选中的点被加入一个称为 seeds（种子点集） 的集合，同时该点也被加入当前区域（Region）。
2️⃣ 遍历种子点
从 seeds 中取出一个种子点，查找该点的所有邻域点（通过 kNN 或半径搜索）。
3️⃣ 法向量角度判断（平滑性约束）
对于每一个邻域点，计算其法向量与当前种子点法向量之间的夹角。
若夹角 小于给定阈值，则认为该邻域点与种子点处于同一平滑表面，将该邻域点加入当前区域。
4️⃣ 曲率判断（是否继续生长）
若该邻域点的曲率 小于曲率阈值，说明该点位于较平坦区域，可作为新的生长起点，将该邻域点加入 seeds（种子点集）。
5️⃣ 更新种子点集并结束条件
当前种子点处理完成后，将其从 seeds 中移除；当 seeds 为空时，说明当前区域已生长完成。

---

为了减少点云分割得到的区域数量，该算法会优先选择具有较小曲率的点加入seed进行区域划分。

使用示例

  pcl::search::Search<pcl::PointXYZ>::Ptr tree (new pcl::search::KdTree<pcl::PointXYZ>);
  pcl::PointCloud <pcl::Normal>::Ptr normals (new pcl::PointCloud <pcl::Normal>);
  pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> normal_estimator;
  normal_estimator.setSearchMethod (tree);
  normal_estimator.setInputCloud (cloud);
  normal_estimator.setKSearch (50);
  normal_estimator.compute (*normals);

  pcl::IndicesPtr indices (new std::vector <int>);
  pcl::removeNaNFromPointCloud(*cloud, *indices);

  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;
  //生成的clusters是一个pcl::PointIndices的集合。存储每个类别对应的点索引。
  reg.extract (clusters);
  //reg.getColoredCloud()此方法可以返回一份着色的点云 用于渲染

---

reg.setSmoothnessThreshold (3.0 / 180.0 * M_PI); reg.setCurvatureThreshold (1.0);这两句代码实际上是添加了两个合并条件。当平滑度不满足合并要求时会继续通过曲率判断是否合并。

基于颜色的区域生长聚簇

该算法在思想上与上面那个一样。只不过合并两点的依据从发向量夹角变成了RGB颜色值的相似性。

算法流程

1️⃣ 初始化与种子选择
从点云中选取初始种子点，基于点之间的邻域关系（如 KNN 或半径搜索）准备区域生长所需的数据结构。
2️⃣ 基于颜色的区域生长
以种子点为起始，遍历其邻域点，比较邻域点与当前区域中点的颜色差异；若颜色差异小于给定阈值，则将该邻域点加入当前区域，并作为新的种子继续生长。
3️⃣ 颜色相近区域的合并（第一阶段合并）
初始分割完成后，对相邻的区域进行检查；若两个区域的平均颜色差异较小，则将这两个区域合并，以减少过分割现象。
4️⃣ 小区域合并（第二阶段合并）
检查每个区域所包含的点数；若某个区域的点数小于用户设定的最小阈值，则将该区域与最近的相邻区域合并，以避免产生过小或噪声区域。

使用实例

  pcl::IndicesPtr indices (new std::vector <int>);
  pcl::removeNaNFromPointCloud (*cloud, *indices);

  pcl::RegionGrowingRGB<pcl::PointXYZRGB> reg;
  reg.setInputCloud (cloud);
  reg.setIndices (indices);
  reg.setSearchMethod (tree);
  reg.setDistanceThreshold (10);
  reg.setPointColorThreshold (6);
  reg.setRegionColorThreshold (5);
  reg.setMinClusterSize (600);
  std::vector <pcl::PointIndices> clusters;
  reg.extract (clusters);

---

该算法支持使用reg.setInputNormals添加法向量信息进行检测，但此处只使用了RGB数据。