ClusterExtraction 点云聚类提取

ClusterExtraction 算子根据设定的最小距离参数 tolerance，将彼此间距超过该距离的两个目标点归为两类，间距小于该距离的点云归为一类，最终将多个目标点云彼此分开。

算子参数

• 最小点数/min_points：设置每一个点云类别的点云最小数量。

• 最大点数/max_points：设置每一个点云类别的点云最大数量。

• 公差值/tolerance：设置点云中两个目标点的最小距离。默认值：0.001。单位：m。

  注意：该属性值设置与点云的密度和单位有关。如果运行过程中出现算子卡死的情况，建议从小到大逐步调整该参数，并不断测试效果。

• 点云列表/cloud_list：设置聚类后点云列表在 3D 视图中的可视化属性。

  • 打开过滤后点云可视化。

  • 关闭过滤后点云可视化。

  • 设置 3D 视图中点云的颜色。取值范围：[-2,360] 。默认值：-1 。

  • 设置点云中点的尺寸。取值范围：[1,50] 。默认值：1 。

算子输入输出

输入：

说明：根据需求选择其中一种数据信号输入即可。

• cloud：

  • 数据类型：PointCloud

  • 输入内容：点云数据

• cloud_list：

  • 数据类型：PointCloudList

  • 输入内容：点云列表数据

输出：

• cloud_list：

  • 数据类型：PointCloudList

  • 输出内容：点云列表数据

功能演示

使用 ClusterExtraction 算子将点云中将多个目标点云彼此分开。

步骤1：算子准备

添加 Trigger 、Load 、ClusterExtraction 算子至算子图。

步骤2：设置算子参数

1. 设置 Load 算子参数：

   • 类型 → PointCloud

   • 文件 → → 选择点云文件名 ( example_data/pointcloud/ClusterExtraction_cloud.pcd )

   • 点云 → 可视

2. 设置 ClusterExtraction 算子参数：

   • 点云列表 → 可视

   • 最小点数 → 5000

   • 最大点数 → 100000

   • 公差值 → 0.009

步骤3：连接算子

步骤4：运行

点击 RVS 运行按钮，触发 Trigger 算子。

运行结果

如下图所示，3D 视图中，左图为 Load 算子的点云可视化结果，右图为 ClusterExtraction 算子的点云可视化结果。