基于点云数据的 K-means 聚类

Question

我正在尝试在点云上实现 K-means 聚类算法。但是，我不确定如何将数据导入为 pcl 的 k-means 成员的输入。该文档已被证明有点令人困惑。 到目前为止，我已将 pcd 导入点云并将其转换为向量，但我不知道如何从这里开始并直接初始化 Kmeans。

int main (int argc, char** argv)
{ 
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_in(new pcl::PointCloud<pcl::PointXYZ>);

    std::vector<pcl::PointXYZ> cloud;
    pcl::io::loadPCDFile ("Scene02 - Cloud.pcd", *cloud_in);

    for (int i = 0; i < cloud_in->size(); i++)
    {
        cloud[i] = cloud_in->points[i];
    }

    pcl::Kmeans real(300000, 3); 
    real.setInputData(cloud);



 }

我意识到语法是错误的，但我也不确定什么是正确的。

Answer 1

与 pcl 通常的处理方式（以自定义点类型为中心）相比，此功能非常奇怪。基本上，奇怪的是您必须通过指定的维度向量而不是自定义点类型输入点。这是经过测试和功能的示例代码：（显然您需要提供自己的文件名，并且您可能需要调整集群大小）

int main(int argc, char** argv) {

    std::string filePath = "../PointCloudFiles/beaconJR.pcd";
    pcl::PointCloud<pcl::PointXYZ>::Ptr tempCloud(new pcl::PointCloud<pcl::PointXYZ>);
    if (pcl::io::loadPCDFile(filePath, *tempCloud) == -1) //* load the file
    {printf("failed file load!\n");}
    else
    {
        pcl::Kmeans real(static_cast<int> (tempCloud->points.size()), 3);
        real.setClusterSize(3); //it is important that you set this term appropriately for your application
        for (size_t i = 0; i < tempCloud->points.size(); i++)
        {
            std::vector<float> data(3);
            data[0] = tempCloud->points[i].x;
            data[1] = tempCloud->points[i].y;
            data[2] = tempCloud->points[i].z;
            real.addDataPoint(data);
        }

        real.kMeans();
        // get the cluster centroids 
        pcl::Kmeans::Centroids centroids = real.get_centroids();
        std::cout << "points in total Cloud : " << tempCloud->points.size() << std::endl;
        std::cout << "centroid count: " << centroids.size() << std::endl;
        for (int i = 0; i<centroids.size(); i++)
        {
            std::cout << i << "_cent output: x: " << centroids[i][0] << " ,";
            std::cout << "y: " << centroids[i][1] << " ,";
            std::cout << "z: " << centroids[i][2] << std::endl;
        }
    }

    std::cin.get();
    std::cin.get();
}

干杯！

--编辑

就集群的可视化而言。我认为（未经测试）“pcl::Kmeans::PointsToClusters”将为您提供一个向量，每个点都带有 custer 标签，您可以使用它来索引原始云并将它们分开。