点云聚类分析,指的是把相似特征的点云归为一类。根据不同的用途，在点云阶段会用到聚类分析，比如要去除大噪音，通过基于种子点的扩张进行点云聚类，去除掉游离在主体外面的噪音；扫描物体的点云有个多面，需要进行轮廓提取等，一样要通过点云的聚类来解决；当然点云在重建过程中，需要法向偏离比较小的点进行聚类，然后投影进行三角网格剖分，这篇文章主要是讲解这个问题：按照点云的法向对整个点云模型遍历，取出法向相似的点云。
在上篇文章中，我介绍过点云K邻域的方法，点云的聚类分析主要的方法就是找出种子点的K邻域算法。具体流程如下：
1）建立点云的拓扑结构，并将点云插入拓扑结构。
2）检查点云是否还有没有遍历的点，都已经遍历，跳出循环。存在没有遍历过得点，则取出一个种子点，进入第三步。
3）对种子点进行K邻域查找，找出邻域内没有遍历过得点。取出这些点的法向与种子点法向进行夹角计算，小于60度，则归为一类。并设置该点为使用过。
4）种子点队列空时，结束查找，进入第2部操作。
几个算法：
1）向量夹角
2）基于种子点扩张检测
实验效果如下：
声明：文中观点不代表本站立场。本文传送门：https://eyangzhen.com/221846.html
