背景：
pcl官方教程：
http://www.pointclouds.org/documentation/tutorials/planar_segmentation.php#planar-segmentation
注：
這個算法並不是真正意義上的分割算法，因爲它只能分割出平面的點雲。這種情況和PCL地面點雲分割算法：Progressive Morphological Filter很像，後者只能分割出地面點雲，詳見我的另一文章點擊打開鏈接。但是呢，這個算法能夠把地面牆壁這些平面給找出來並過濾掉，方便後面的物體的點雲分割。
1.使用感受
很簡單的一個算法，但是效果很好。只有一個參數（distance threshold）要設置，調參容易。
2.算法細節
它是基於Ransac的來做平面擬合的。首先Ransac是什麼東東？我覺得zinnc的這篇文章點擊打開鏈接講的就很清楚。在這個Plane Model Segmentation算法裏，Ransac爲了找到點雲的平面，不停的改變平面模型（ax+by+cz+d=0）的參數：a, b, c和d。經過多次調參後，找出哪一組的參數能使得這個模型一定程度上擬合最多的點。這個程度就是由distance threshold這個參數來設置。那找到這組參數後，這些能夠被擬合的點就是平面的點。
3.調參
把distance threshold調大，離平面更遠的點也被算進平面來。distance threshold 可以等同於平面厚度閾值。
4.跑自己的數據集
跑了兩次，把牆壁和地板給過濾掉了。
5. 總結
這是一個很好用很容易調參的算法，但它只能找平面的點雲。如果拿來過濾牆壁和地板就很好用。