PCL庫學習（3）_區域生長分割

算法理論：

區域生長分割算法廣泛應用於圖像分割中，二維圖像常常採取區域生長分割算法實現圖像分割，由於其分割的高效性，現已被應用於3D分割中，PCL中的類pcl::RegionGrowing用來實現點雲的區域生長分割。區域生長分割是基於點雲法線的分割算法，算法的主要思路如下：

（1）根據點的曲率值對點雲進行排序，曲率最小的點叫做初始種子點，區域生長算法從曲率最小的種子點開始生長，初始種子點所在區域爲最平滑區域，從初始種子點所在的區域開始生長可減小分割片段的總數，從而提高算法的效率。

（2）設置一空的聚類區域Ｃ和空的種子點序列Ｑ，選好初始種子點，將其加入種子點序列，並搜索該種子點的領域點，計算每一個領域點法線與種子點法線之間的夾角，小於設定的平滑閥值時，將領域點加入到Ｃ中，同時判斷該領域點的曲率值是否小於曲率閥值，將小於曲率闊值的領域點加入種子點序列Ｑ中，在Ｑ中重新選擇新的種子點重複上述步驟，直到Ｑ中序列爲空，算法結束
The code

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

int
main (int argc, char** argv)
{
  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
  if ( pcl::io::loadPCDFile <pcl::PointXYZ> ("E:/PCLcode/PCLtest/region_growing_tutorial.pcd", *cloud) == -1)
  {
    std::cout << "Cloud reading failed." << std::endl;
    return (-1);
  }

  pcl::search::Search<pcl::PointXYZ>::Ptr tree = boost::shared_ptr<pcl::search::Search<pcl::PointXYZ> > (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::PassThrough<pcl::PointXYZ> pass;
  pass.setInputCloud (cloud);
  pass.setFilterFieldName ("z");
  pass.setFilterLimits (0.0, 1.0);
  pass.filter (*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;
  reg.extract (clusters);


  std::cout << "Number of clusters is equal to " << clusters.size () << std::endl;
  std::cout << "First cluster has " << clusters[0].indices.size () << " points." << endl;
  std::cout << "These are the indices of the points of the initial" <<
    std::endl << "cloud that belong to the first cluster:" << std::endl;
  int counter = 0;
  while (counter < clusters[0].indices.size ())
  {
    std::cout << clusters[0].indices[counter] << ", ";
    counter++;
    if (counter % 10 == 0)
      std::cout << std::endl;
  }
  std::cout << std::endl;


  pcl::PointCloud <pcl::PointXYZRGB>::Ptr colored_cloud = reg.getColoredCloud ();
  pcl::visualization::CloudViewer viewer ("Cluster viewer");
  viewer.showCloud(colored_cloud);
  while (!viewer.wasStopped ())
  {
  }
  return (0);
}