Conditional Euclidean Clustering
该算法与欧几里得聚簇聚簇方法流程无区别。最大的特点在于需要用户传入一个函数指针，来指明点和点之间的合并规则。但该类会在循环的过程中调用判断条件，因此聚簇性能会受到影响。
使用示例
bool enforceNormalOrIntensitySimilarity (const PointTypeFull& point_a, const PointTypeFull& point_b, float /*squared_distance*/)
{//此处是直接将点的法向量数值映射为一个3维向量，避免了一次拷贝。用于点乘计算夹角。Eigen::Map<const Eigen::Vector3f> point_a_normal = point_a.getNormalVector3fMap (), point_b_normal = point_b.getNormalVector3fMap ();if (std::abs (point_a.intensity - point_b.intensity) < 5.0f)return (true);if (std::abs (point_a_normal.dot (point_b_normal)) > std::cos (30.0f / 180.0f * static_cast<float> (M_PI)))return (true);return (false);
}int main()
{//先填充XYZI数据pcl::copyPointCloud(*cloud_out, *cloud_with_normals);//计算法向量pcl::NormalEstimation<PointTypeIO, PointTypeFull> ne;ne.setInputCloud(cloud_out);ne.setSearchMethod(search_tree);ne.setRadiusSearch(300.0);ne.compute(*cloud_with_normals);std::cerr << ">> Done: " << tt.toc() << " ms\n";pcl::ConditionalEuclideanClustering<PointTypeFull> cec(true);cec.setInputCloud(cloud_with_normals);//添加条件cec.setConditionFunction(&enforceIntensityOrNormalSimilarity);cec.setClusterTolerance(500.0);cec.setMinClusterSize(cloud_with_normals->size() / 1000);cec.setMaxClusterSize(cloud_with_normals->size() / 5);cec.segment(*clusters);cec.getRemovedClusters(small_clusters, large_clusters);std::cerr << ">> Done: " << tt.toc() << " ms\n";
}
对于条件函数的编写有着固定的格式要求。
- 返回值必须为bool
- 前两个参数必须为与分类示例模板类型相同的两个点
- 第三个参数必须为float用来传入两点之间的平方距离
